巧用ChatGPT快速搞定数据分析

本书介绍提示工程的基本概念和实践，旨在帮助读者了解如何构建高质量的提示内容。内容包括：认识大语言模型、ChatGPT应用体验、ChatGPTAPI、PythonChatGPTAPI库、提示工程、提示类型、基于提示工程应用Python数据分析等。

本书分两篇，为读者提供基于制造业视角的大模型理论与应用指南。基础篇深入大模型理论层面，主要介绍大模型的基础知识、构建路径、价值对齐策略，同时涉及多模态与AIGC技术、提示词工程的相关知识。应用篇则聚焦于大模型的实践应用层面，主要讲解垂直制造领域微调、RAG等构建技术，AIAgent的原理与应用，以及大模型压缩与部署策略，并且通过具体案例来展示大模型在工业制造及设备运维等方面的应用，最后对大模型进行

本书配套周志华教授所著的《机器学习》教材，通过大量习题考查读者对机器学习相关知识点的理解与掌握。全书分为两个部分：第一部分习题对应《机器学习》第1~10章的内容，包括绪论、模型评估与选择、线性模型、决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习；第二部分包含6章应用专题，通过综合题的形式对知识点进行多角度考查，包括线性模型的优化与复用、面向类别不平衡数据的分类、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

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。

本书共14章，主要内容包括探索性数据分析、有监督学习（线性回归、SVM、决策树等）、无监督学习（降维、聚类等），以及深度学习的基础原理和应用等。

随着ChatGPT等人工智能和语言模型不断进步，了解这些技术的含义和潜在陷阱比以往任何时候都更加重要。作为享誉全球的跨技术和设计学科思想家，前田约翰利用他的丰富经验，为企业、产品设计师和决策者提供了可行的指导。通过深思熟虑和偶尔异想天开的例子，他构造了一个可以描述任何机器学习系统的关键功能的框架，并展望了可以如何使用它们来创造富有包容性和改变世界的产品。对任何想要深入了解机器如何“思考”以及未来可

本书共分为8章，涵盖了从数据分析基础知识、常见的统计学方法到使用ChatGPT进行数据准备、数据清洗、数据特征提取、数据可视化、回归分析与预测建模、分类与聚类分析，以及深度学习和大数据分析等全面的内容。

本书具体包含以下内容：首先，探讨ChatGPT对法律界的冲击，以及律师等从业者的不同反应，进一步分析AI技术对行业的影响和发展趋势。接着，简要介绍ChatGPT的技术原理及应用场景。随后，详细讨论如何将AI力量融入律师职业路径，构建专业律师成长的新飞轮。接下来，分别讨论如何将ChatGPT（GPTs）应用于渠道与案源、检索与研究、案件分析，以及法律文书撰写与合同审核，实现部分日常事务自动化执行。之