桂兵兵的技术博客
CtrlK
  • 作者介绍
  • 1. 人工智能入门
    • 1.1. 人工智能的前世今生
    • 1.2. AI的核心能力
    • 1.3. 了解机器学习
    • 1.4. 计算机视觉
    • 1.5. 机器学习的基础
    • 1.6. 自监督与推理(NLP)
    • 1.7. 文档处理和知识提取
    • 1.8. 生成式AI
    • 1.9. AI的挑战和风险
    • 1.10. AI软件开发遵循六大原则
    • 1.11. 机器学习分类
    • 1.12. 监督学习之回归与评估模型
    • 1.13. 监督学习之二元分类
    • 1.14. 监督学习之多分类
    • 1.15. 无监督学习之聚类
    • 1.16. 深度学习
  • 2. semantic kernel框架
    • 2.1. semantic kernel介绍
    • 2.2. semantic kernel框架中的Kernel对象
    • 2.3. semantic kernel核心组件
    • 2.4. semantic kernel集成AI服务
    • 2.5. semantic kernel中FunctionCalling
    • 2.6. semantic kernel中提示工程学与参数调优
    • 2.7. 提示词诱导(Prompt Priming)
    • 2.8. 零样本提示词和少良样本提示词
    • 2.9. 思维链提示
    • 2.10. semantic kernel运行提示词
    • 2.11. semantic kernel插件介绍
    • 2.12. semantic kernel安全篇之防御提示词注入攻击
    • 2.13. semantic kernel函数过滤器
    • 2.14. semantic kernel中Planning
    • 2.15. postgreSQL16中安装pgvector插件
    • 2.16. semantic kernel与postgres向量存储
    • 2.17. semantic kernel向量存储数据架构
    • 2.18. semantic kernel中如何生成文本向量
    • 2.19. semantic kernel使用连接器进行向量搜索
  • ASP.NET Core
  • 返回首页
Powered by GitBook
On this page
  • 文章目录
  • 人工智能入门
  • 机器学习进阶

1. 人工智能入门

本章节主要介绍人工智能的基本理论、发展路径、模型机制及应用理解,为进入现代 AI 开发打下基础。


文章目录

人工智能入门

  • 第1章:人工智能的前世今生

  • 第2章:AI的核心能力

  • 第3章:了解机器学习

  • 第4章:计算机视觉

  • 第5章:机器学习的基础

  • 第6章:自监督与推理(NLP)

  • 第7章:文档处理和知识提取

  • 第8章:生成式AI

  • 第9章:AI的挑战和风险

  • 第10章:AI软件开发遵循六大原则


机器学习进阶

  • 第11章:机器学习分类

  • 第12章:监督学习之回归与评估模型

  • 第13章:监督学习之二元分类(Binary classification)

  • 第14章:监督学习之多分类(Multiclass Classification)

  • 第15章:无监督学习之聚类(Clustering)

  • 第16章:深度学习(Deep learning)


📚 返回:返回首页

Previous作者介绍Next1.1. 人工智能的前世今生

Last updated 21 days ago