Tags: Nhà Xuất Bản Bách Khoa Hà Nội , NXB Bách Khoa Hà Nội
Ai Hiện Đại - Từ Nguyên Lý Cổ Điển Đến Mô Hình Nền Tảng
- Tác giả: GS.TS. Thái Trà My - PGS.TS. Nguyễn Phi Lê
- Thể loại: Kiến Thức Bách Khoa
- Availability: In Stock
$41.99
Trong biển kiến thức AI bao la, người học rất dễ bị choáng ngợp và không biết nên bắt đầu từ đâu. Làm thế nào để học AI một cách bài bản, vừa nắm chắc kiến thức nền tảng, vừa có thể tiếp cận và làm chủ...
Trong biển kiến thức AI bao la, người học rất dễ bị choáng ngợp và không biết nên bắt đầu từ đâu. Làm thế nào để học AI một cách bài bản, vừa nắm chắc kiến thức nền tảng, vừa có thể tiếp cận và làm chủ những công nghệ mới nhất?
Bạn có thể tìm thấy câu trả lời trong cuốn sách “AI hiện đại: Từ nguyên lý cổ điển tới mô hình nền tảng”.
Đây là một cuốn sách chuyên sâu về AI, được viết bằng tiếng Việt. Cuốn sách không chỉ dừng lại ở bề nổi như “AI là gì?” hay “AI có thể ứng dụng như thế nào?”, mà giúp bạn đọc đi sâu vào bản chất của AI: cơ sở toán học đằng sau những “điều kỳ diệu” của AI là gì, mô hình học máy là gì, cơ chế tự chú ý hoạt động ra sao, vì sao các mô hình ngôn ngữ lớn có thể tạo sinh văn bản, và nhiều chủ đề hiện đại khác như AI tạo sinh, mô hình nền tảng, AI diễn giải, cũng như các lỗ hổng an toàn thông tin trong mô hình học sâu.
Cuốn sách được viết bởi hai nhà giáo, nhà nghiên cứu có nhiều năm kinh nghiệm trong giảng dạy và nghiên cứu về AI: GS. TS. Thái Trà My từ Đại học Florida, Mỹ và PGS. TS. Nguyễn Phi Lê từ Đại học Bách khoa Hà Nội.
Với tất cả tâm huyết, các tác giả mong muốn mang đến cho bạn đọc một tài liệu AI chuẩn xác, hệ thống và giàu giá trị học thuật, nhưng vẫn được trình bày bằng một văn phong trực quan, dễ hiểu và gần gũi.
Dù nội dung có chiều sâu, cuốn sách vẫn được thiết kế để phù hợp với nhiều đối tượng độc giả. Bạn không nhất thiết phải có nền tảng AI từ trước. Chỉ cần có sự tò mò và mong muốn học một cách nghiêm túc, cuốn sách sẽ từng bước dẫn bạn đi từ những khái niệm cơ bản đến các mô hình hiện đại.
Một số điểm nổi bật của cuốn sách:
Cung cấp kiến thức AI chuyên sâu nhưng được trình bày dễ tiếp cận
Bao quát từ AI cổ điển, học máy, học sâu đến mô hình nền tảng và AI tạo sinh
Viết hoàn toàn bằng tiếng Việt
Đi sâu vào bản chất toán học và nguyên lý hoạt động của AI
️ Có nhiều hình ảnh minh họa, ghi chú, kinh nghiệm thực tế và chỉ dẫn quan trọng
Có hệ thống bài tập ôn tập sau mỗi chương để củng cố kiến thức
Nếu bạn là sinh viên, học viên cao học, nghiên cứu sinh, giảng viên, kỹ sư công nghệ, nhà quản lý, hoặc đơn giản là một người muốn học AI một cách bài bản bằng tiếng Việt, đây chắc chắn là một cuốn sách rất đáng đọc.
Lời tựa
I Nền tảng của Trí tuệ nhân tạo
1 Trí tuệ nhân tạo là gì?
1.1 Định nghĩa và phạm vi của AI
1.2 Bản chất trí tuệ: con người vs. máy tính
1.3 Các hệ chuẩn: ký hiệu và thống kê
1.4 Tiến trình lịch sử
1.5 Trí tuệ nhân tạo hẹp và tổng quát
Hệ thống bài tập Chương 1
Ghi chú thư mục và tài liệu đọc thêm
2 Tác tử và giải quyết bài toán
2.1 Tác tử và môi trường
2.2 Cấu trúc hóa vấn đề: Bài toán tìm kiếm
2.3 Tìm kiếm mù
2.4 Tìm kiếm có thông tin
2.5 Tìm kiếm cục bộ
2.6 Tìm kiếm trong các hệ thống AI hiện đại
Hệ thống bài tập Chương 2
Ghi chú thư mục và tài liệu đọc thêm
3 Biểu diễn tri thức và lập luận
3.1 Tác tử dựa trên tri thức và logic mệnh đề
3.2 Lập luận và các thuật toán suy diễn
3.3 Logic bậc nhất
3.4 Hệ thống dựa trên luật và hệ chuyên gia
3.5 Giới hạn của AI ký hiệu
3.6 Từ logic đến đồ thị tri thức
Hệ thống bài tập Chương 3
Ghi chú thư mục và tài liệu đọc thêm
II Cơ sở toán học cho học máy
4 Đại số tuyến tính cho học máy
4.1 Từ trực giác đến toán học không gian vector
4.2 Ma trận: bảng dữ liệu và cỗ máy biến đổi
4.3 Phép nhân ma trận
4.4 Ma trận đặc biệt và các đại lượng đặc trưng
4.5 Định lượng sự tương đồng
4.6 Trị riêng và vector riêng
4.7 Chuẩn ma trận và sự ổn định của AI
Hệ thống bài tập Chương 4
Ghi chú thư mục và tài liệu đọc thêm
5 Xác suất và thống kê cho học máy
5.1 Biến ngẫu nhiên
5.2 Nền tảng của xác suất
5.3 Các đại lượng đặc trưng của dữ liệu ngẫu nhiên
5.4 Các phân phối xác suất kinh điển
5.5 Ứng dụng của định lý Bayes
5.6 Ước lượng tham số trong học máy
5.7 Lý thuyết thông tin và hàm mất mát
Hệ thống bài tập Chương 5
Ghi chú thư mục và tài liệu đọc thêm
6 Tối ưu hóa và giải tích của học máy
6.1 Tối ưu hóa trong học máy
6.2 Đặc tính cực trị của hàm mục tiêu
6.3 Giải tích nền tảng: toán học của sự thay đổi
6.4 Hàm lồi và hàm không lồi
6.5 Thuật toán giảm dần đạo hàm
6.6 Các biến thể của Gradient Descent
6.7 Tối ưu hóa nâng cao: động lượng và thích ứng
Hệ thống bài tập Chương 6
Ghi chú thư mục và tài liệu đọc thêm
III Học máy
7 Các nguyên lý cơ bản của học máy
7.1 Thế nào là “học máy”?
7.2 Tác vụ T
7.3 Đo lường hiệu năng P
7.4 Kinh nghiệm E
7.5 Quá trình xây dựng một mô hình AI
7.6 Quá khớp, thiếu khớp
7.7 Chính quy hóa
Hệ thống bài tập Chương 7
Ghi chú thư mục và tài liệu đọc thêm
8 Học máy cổ điển
8.1 Thuật toán k-láng giềng gần nhất
8.2 Mô hình cây quyết định
8.3 Mô hình rừng ngẫu nhiên
8.4 Hồi quy tuyến tính
8.5 Mô hình hồi quy Logistic
8.6 Hồi quy Softmax
8.7 Học tổ hợp
Hệ thống bài tập Chương 8
Ghi chú thư mục và tài liệu đọc thêm
9 Mạng nơ-ron đa tầng truyền thẳng
9.1 Tổng quan về mạng MLP
9.2 Hạn chế của các mô hình tuyến tính
9.3 Cấu trúc của mạng MLP
9.4 Hàm kích hoạt
9.5 Cơ chế lan truyền trong mạng MLP
Hệ thống bài tập Chương 9
Ghi chú thư mục và tài liệu đọc thêm
IV Học sâu và các mô hình nền tảng
10 Thị giác máy tính
10.1 Giới thiệu về thị giác máy tính
10.2 Thị giác máy tính truyền thống
10.3 Mạng nơ-ron tích chập
10.4 Một số mạng CNN cho bài toán phân loại ảnh
10.5 Một số mạng CNN cho bài toán nhận diện đối tượng
10.6 Mạng CNN cho bài toán phân đoạn ảnh
Hệ thống bài tập Chương 10
Ghi chú thư mục và tài liệu đọc thêm
11 Xử lý ngôn ngữ tự nhiên
11.1 Giới thiệu về xử lý ngôn ngữ tự nhiên
11.2 Các phương pháp biểu diễn văn bản cổ điển
11.3 NLP thống kê
11.4 Biểu diễn phân tán
11.5 Mạng nơ-ron cho dữ liệu chuỗi
11.6 Mạng hồi quy có cổng
11.7 Mô hình bộ mã hóa – giải mã
Hệ thống bài tập Chương 11
Ghi chú thư mục và tài liệu đọc thêm
12 Mô hình bộ biến đổi
12.2 Cơ chế chú ý
12.3 Các hàm căn chỉnh phổ biến
12.4 Hàm phân phối trọng số
12.5 Các cơ chế chú ý thường gặp
12.6 Mã hóa vị trí
12.7 Kiến trúc Transformer
12.8 Mô hình Transformer cho dữ liệu ảnh (ViT)
Hệ thống bài tập Chương 12
Ghi chú thư mục và tài liệu đọc thêm
13 Học biểu diễn quy mô lớn và mô hình nền tảng
13.1 Động cơ ra đời
13.2 Tiền huấn luyện
13.3 Tinh chỉnh mô hình
13.4 Một số mô hình nền tảng nổi tiếng
Hệ thống bài tập Chương 13
Ghi chú thư mục và tài liệu đọc thêm
14 AI tạo sinh
14.1 Giới thiệu
14.2 Mô hình sinh truyền thống
14.3 Bộ tự mã hóa biến phân
14.4 Mô hình đối kháng
14.5 Mô hình khuếch tán
Hệ thống bài tập Chương 14
Ghi chú thư mục và tài liệu đọc thêm
V AI đáng tin cậy và trách nhiệm
15 Tính minh bạch
15.1 AI đáng tin cậy
15.2 Tính minh bạch
15.3 Phân loại kỹ thuật giải thích
15.4 Các thuật toán giải thích tiêu chuẩn
15.5 XAI nâng cao
Hệ thống bài tập Chương 15
Ghi chú thư mục và tài liệu đọc thêm
16 Tính cứng cáp và quyền riêng tư
16.1 Mở đầu: Bề mặt tấn công
16.2 Tính cứng cáp và học máy đối kháng
16.3 Tấn công đầu độc và cửa sau
16.4 Rủi ro quyền riêng tư
16.5 Quyền riêng tư vi phân
16.6 An toàn cho mô hình nền tảng
Hệ thống bài tập Chương 16
Ghi chú thư mục và tài liệu đọc thêm
17 Thiên kiến và công bằng
17.1 Vì sao công bằng lại khó?
17.2 Nguồn gốc của thiên kiến
17.3 Các tiêu chuẩn công bằng
17.4 Các phương pháp giảm thiểu thiên kiến
17.5 Hơn cả thuật toán: Yếu tố con người
Hệ thống bài tập Chương 17
Ghi chú thư mục và tài liệu đọc thêm
18 Đạo đức và quản trị AI
18.1 Căn chỉnh giá trị và đạo đức thuật toán
18.2 Quản trị AI
18.3 Trách nhiệm và các câu hỏi còn bỏ ngỏ
Hệ thống bài tập Chương 18
Ghi chú thư mục và tài liệu đọc thêm
Lời bạt
Giá sản phẩm trên Tiki đã bao gồm thuế theo luật hiện hành. Bên cạnh đó, tuỳ vào loại sản phẩm, hình thức và địa chỉ giao hàng mà có thể phát sinh thêm chi phí khác như phí vận chuyển, phụ phí hàng cồng kềnh, thuế nhập khẩu (đối với đơn hàng giao từ nước ngoài có giá trị trên 1 triệu đồng).....
