Visualizing Generative AI

With this comprehensive guide, Microsoft AI specialist Adrian Gonzalez Sanchez examines the integration and utilization of Azure OpenAI Service-using powerful generative AI models such as GPT-4 and GPT-4o-within the Microsoft Azure cloud computing platform.

☆最流行的AIGC技術介紹 ☆Diffusion Model的基礎 ☆擴散模型的高效採樣 ☆擴散模型的似然最大化 ☆將擴散模型應用於具有特殊結構的資料 ☆擴散模型與其他生成模型的連結 ☆擴散模型的應用 ☆GPT及大型語言模型 人工智慧創造內容的浪潮已來臨，其中包括兩項關鍵技術：大模型技術（如ChatGPT）和擴散模型技術（如Midjourney等AI繪畫）。這些技術背後的深度生成模型可以根據現有資料和程式生成新資料。在現實世界中，資料通常維度高、分佈複雜，尤其是圖像資料，它們在二維空間中的像素點之間存在著複雜的互動關係。這對傳統模型擬合資料分佈提出了挑戰。人們希望AI生成的內容既真實又新穎，不僅是複製既有內容。擴散模型能夠捕捉複雜的資料分佈，產生真實且創新的內容，並實現高效的個性化生產，因此受到廣泛關注。本書為少數從理論及實作上都兼顧的教材，對當今AI狂潮席捲的新時代來說，不想被AI取代的你，這本書是最好的起點。 本書介紹了許多當今重要擴散模型的技術，第1章介紹AIGC與相關技術，第2章從三個角度介紹擴散模型的基本理論、演算法，此外介紹了擴散模型的神經網路架構和程式實踐。第3章、第4章、第5章分別從擴散模型的高效採樣、擴散模型的似然最大化、將擴散模型應用於具有特殊結構的資料三個方面系統介紹擴散模型的特點，以及後續的改進工作。第6章討論了擴散模型與其他生成模型的連結，包括變分自編碼器、生成對抗網路、歸一化流、自回歸模型和基於能量的模型。第7章介紹了擴散模型的應用。第8章討論了擴散模型的未來——GPT及和大型語言模型。

《生成式AI × 穩健提示辨識技術 II》視覺影像篇 | MediaPipe × YOLO × OpenCV × LineBot 聚焦AI影像應用實戰 ★物件偵測 ★影像分割 ★YOLO 系列模型 ★COCO 資料集 ★交通車流辨識 ★YouTube 影像分析 ★肢體辨識 ★閉眼偵測 ★火災與濃煙辨識 ★暴力行為與危險刀具檢測 除了模型觀念與程式實作之外 更進一步整合 ★Linebot Messaging API ★Resend API ★USB CAM ★CSV 紀錄 ★排程模組 ★GUI 打包設計 讓讀者理解如何將 AI 技術延伸到通知、紀錄、前端呈現與自動化流程。 全書兼顧理論基礎與實務應用，不僅適合作為課堂教學與專題製作參考，也能作為跨域學習者建構智慧影像系統的重要入門教材。 專業推薦 敏實科技大學副校長─林文燦 博士 推薦 錸成科技有限公司執行長、嘉南藥理大學兼任助理教授─?春愛 博士 日商優貝克工程師─吳俊毅 元大銀行系統開發部專業副理─陳尚瑋

https://www.youtube.com/watch?v=s-HH51ueD6k 《生成式AI × 穩健提示爬蟲技術 I》數據抓取篇 ★從Colab、Anaconda 到 Jupyter Kernel，一步步把 Python 環境建好、跑起來。 ★用Pandas × PyArrow × Polars，把資料整理做得更快、更穩，也更貼近實務。 ★透過提示工程和情境工程，讓 ChatGPT、Claude 成為你的程式開發夥伴。 ★結合Perplexity Comet＋爬蟲＋寄信＋行事曆，把資訊蒐集到自動化流程一次串起。 ★多模態OCR × Gemini和Groq API，把圖片文字直接變成可分析的結構化資料。 你學過Python，卻常卡在「環境裝不好、資料處理很慢、爬蟲一下就被擋、AI 工具只會聊天」嗎？本書以「做得出成果」為主軸，帶你從 Google Colab、Anaconda、Jupyter Notebook 與 Kernel 建置開始，快速建立穩定、可重現的開發環境。 接著用 Pandas 打底，涵蓋多欄多列取值、資料框合併、字串提取與條件篩選，並延伸到 PyArrow 與 Polars，讓你面對較大的資料量也能跑得快、跑得順。 更關鍵的是，本書把提示工程與情境工程結合「直覺式開發」：教你如何用 ChatGPT和Claude 協作寫程式、除錯；再搭配 Perplexity Comet 進行摘要與探勘，串接 Gmail、Google 行事曆、SMTP、Resend 寄信，打造可實際應用的自動化資訊流程。 最後以多模態 API（Gemini、Groq）＋中文 OCR（PaddleOCR、EasyOCR）＋爬蟲實戰進行總結，範例涵蓋電商、股價、ESG、重大訊息、交易指標等案例，並附上Gemini AI 教育版證照準備重點，適合資料分析初學者、稽核、採購、研究人員、跨域工作者，以及想把 AI 變成生產力的人。 專業推薦 崑山科技大學 電機工程系系主任─林俊良 博士 住宅消保會創會理事長─吳翃毅博士 錸成科技有限公司執行長、嘉南藥理大學兼任助理教授─凃春愛 博士 伽碩職訓中心執行長─郭明洽 昱創企管顧問有限公司總經理─裴有恆 元大銀行系統開發部專業副理─陳尚瑋 極策網路行銷有限公司總經理、崑山科技大學房地產開發與管理系講師─蔡宗甫

GenAI 重塑半導體的未來面對摩爾定律（Moore's Law）趨緩的巨大挑戰，半導體產業迫切需要新的突破點。這本書正是為了解決這個每年耗費產業數百億美元的「效率黑洞」而生。《AI與機器學習賦能的晶片設計與製程協同優化》旨在為讀者提供一套可實踐的DTCO.ML框架，展示如何運用 Machin Learning（ML）與 Generative AI（GenAI）技術，為晶片製程注入新的加速力。掌握製程變異性並優化晶片能效，徹底擺脫耗時、昂貴的實體試產（Tape-out）試錯循環。您將學會：透過數據驅動，將良率（Yield）提升從依賴漫長試錯轉變為可預測、可控制的快速回報（Accelerated ROI）；在每一次產品迭代中，實現顯著的能效（Energy Efficiency）飛躍；以及如何為您的團隊贏得數個月的產品上市時間（TTM）競爭優勢。無論您是渴望提升效率的晶片設計工程師、製程研發專家，或是尋求產業「再加速」策略的管理者，本書都將為您提供經過驗證的AI 賦能策略與執行藍圖。掌握DTCO 的未來，從這裡開始。

《內容介紹》 看懂時代、掌握工具、開始行動 對接全球AI浪潮，帶領組織邁向AI驅動的下一個十年 未來十年，AI將重新定義企業競爭力。一本為領導者、創新者與實踐者撰寫的AI轉型航圖，讓你真正看懂AI如何改變產業、如何落地，以及如何讓組織產生可持續的成長。兩位重量級作者結合設計思考、系統思考與指數型思維三大創新核心，提出可落地的AI策略框架，協助企業在指數型變革時代重新設計策略、文化與人才結構，從「看懂AI」進化到「用好AI」。 四大核心主題 l 為何AI如此重要。深入淺出解析AI基礎概念、指數型變革的時代意義，以及企業必備的新思維與能力評估模型。 l 如何用AI開創新局。提供AI策略設計四步驟、Team of Teams跨域協作模式、組織能力建構框架，以及AI倫理與法規合規實務。 l 工具方法及行動。詳解AI價值鏈、Transformer等關鍵技術、Prompt Engineering應用，以及AI三大導入視角（員工生產力、創新驅動、營收成長）。 l AI與創新的未來。展望AGI時代、多模態應用、負責任AI治理，以及對各產業部門的深遠影響。