
会员
科学仪器设备配置学:人工智能时代的界面管理
王士国 翟宇 虞振飞 方良华更新时间:2025-03-28 09:35:19
最新章节:参考文献开会员,本书免费读 >
本书共八章,从高校资源配置的教育、科研、社会、经济规律视角,以建设卓越世界一流大学为导向,对高校科学仪器设备配置中的问题进行研究。
品牌:北大出版社
上架时间:2023-09-01 00:00:00
出版社:北京大学出版社
本书数字版权由北大出版社提供,并由其授权上海阅文信息技术有限公司制作发行
科学仪器设备配置学:人工智能时代的界面管理最新章节
查看全部- 参考文献
- 八、提高政策一体化力度
- 七、推动科学仪器设备与经济学耦合
- 六、引入第三方机构共同治理
- 五、信息化赋能创新工作流程
- 四、创新科学仪器设备采购
- 三、加大基础研究,鼓励“产学研用”发展模式
- 二、做好多校区科学仪器设备配置一体化规划
- 一、建设科学仪器设备高地
- 第八章 优化配置的政策建议
王士国 翟宇 虞振飞 方良华
主页
同类热门书
最新上架
- 会员
巧用ChatGPT轻松玩转新媒体运营
本书从ChatGPT的基础知识讲起,针对运营工作中的各种痛点,结合实战案例,如文案写作、图片制作、社交媒体运营、爆款视频文案、私域推广、广告策划、电商平台高效运营等,教会读者如何使用ChatGPT进行智能化工作;还介绍了通过ChatGPT配合Midjourney、D-ID等AI软件的使用,进一步帮助提高运营工作的效率。计算机11.3万字 - 会员
社交网络信息传播模型、算法及应用
本书系统地阐述信息传播问题中所涉及的各种传播模型、数学优化方法以及计算方法等,并通过对大量信息传播的实际问题进行了建模与分析。该著作将为人工智能、大数据、管理科学、运筹学、人文社会科学等领域开展相关研究的本科生、研究生以及学者提供重要的参考。计算机16万字 - 会员
揭秘大模型:从原理到实战
本书从技术角度深度解析大模型的原理,从大模型的基础概念及领域发展现状入手,概述大模型的理论基础,介绍OpenAIGPT、清华大学GLM、MetaLlama等主流大模型的技术原理,并从大模型参数高效微调、大模型指令微调、大模型训练优化和大模型推理优化等多角度解析大模型背后的技术,带领读者全方位掌握大模型的原理和实践方法。本书最后介绍私有大模型的构建,手把手指导读者做技术选型并搭建自己的私有大模型计算机12.2万字 - 会员
人工智能治理研究
本书从技术和规制两个角度入手,以人工智能治理的法律、公共政策以及伦理规范等相关社会行为和社会关系的规则建立和运行为主要思考方向和研究进路,在梳理人工智能发展情况、欧盟及其他国家人工智能立法与政策发布现状的基础上,对人工智能治理的基础、基本路径及我国人工智能产业、政策与规制思路进行了全面和有益的探索。计算机23.9万字 - 会员
AI短视频文案写作从入门到精通
本书共分为10章。第1章介绍短视频文案与AIGC;第2章为AIGC工具助力文案选题策划;第3章为短视频标题撰写与优化;第4章为短视频脚本与情节设计;第5章为短视频带货文案写作;第6章为评论区互动文案写作;第7章为段子文案写作;第8章为短视频内容标签化;第9章为短视频营销文案写作;第10章为短视频与AI的有机结合。计算机8.8万字 - 会员
AI时代项目经理成长之道:ChatGPT让项目经理插上翅膀
本书通过13章的探讨,带领读者踏上项目管理卓越之路。第1章“人工智能颠覆与重塑项目管理”,首先揭示了人工智能对项目管理的深刻影响和带来的机遇与挑战。紧接着,第2章至第13章依次介绍了使用ChatGPT编写各种文档、在项目启动中的应用、帮助组建高效团队、辅助项目沟通管理、项目计划与管理、项目成本管理、项目时间管理、项目质量管理、项目风险管理、辅助采购计划与采购流程、辅助项目绩效管理以及进行项目总结等计算机16.6万字 - 会员
Keras深度学习与神经网络
本书从人工智能导论入手,阐述人工智能的发展及现状,重点介绍了机器学习和神经网络基础、反向传播原理、卷积神经网络和循环神经网络等内容。本书内容由浅入深,循序渐进,从神经元和感知机入手,逐步讲解深度学习中神经网络基础、反向传播以及更深层次的卷积神经网络、循环神经网络。本书知识体系完整,内容覆盖面广,介绍了深度学习中常用的模型和算法,助力读者多方位掌握深度学习的相关知识。本书可作为高等院校计算机等相关专计算机11万字 - 会员
硅基物语·AI写作高手:从零开始用ChatGPT学会写作
本书从写作与ChatGPT的基础知识讲起,结合创作者的实际写作经历与写作教学经历,介绍了用ChatGPT写作的基础技巧、进阶写作的方法、不同文体的写作方法、写作变现的秘诀,让读者理解写作技巧与变现思路。计算机14.7万字 - 会员
人工智能算法基础
本书分为4章,共20章。其中第1篇为基础算法篇,从第1章到第9章,讲述排序、查找、线性结构、树、散列、图、堆栈等基本数据结构算法;第2篇为机器学习算法篇,从第10章到第14章,讲述分类算法、回归算法、聚类算法、降维算法和集成学习算法;第3篇为强化学习算法篇,从第15章到第16章,讲述基于价值的强化学习算法和基于策略的强化学习算法;第4篇为深度学习算法篇,从第17章到第19章,讲述神经网络模型算法、计算机0字