
克里斯托弗·諾林 [美]安加利·賈因 瑪麗娜·費爾南德斯 [Ay?e Mutlu]艾謝·穆特魯 [美]阿吉特·焦卡爾
本書展示瞭如何使用AI工具構建應用程序和機器學習模型,以及自動化重複性任務。書中第1章~第7章主要聚焦於編程,用AI工具完成從用戶界面構建到後端開發的過程。你將使用提示詞來創建使用HTML進行構建的應用程序的外觀,用CSS來設計樣式,並藉助JavaScript增加行爲,同時處理多個視口。隨後,你將使用Python和Flask創建一個Web API,並對代碼進行重構以提升可讀性。最後,藉助GitHub Copilot,優化現有代碼的可維護性和性能。第8章~第19章提供了從數據檢查(檢查數據、創建分佈圖和相關矩陣)到構建和優化神經網絡的數據科學提示工具包。你將針對各種機器學習模型和用例,使用不同的提示策略進行數據預處理、特徵工程、模型選擇、訓練、超參數優化和模型評估。第20章和第21章探討了GitHub Copilot的高階技術和軟件智能體,包括代碼生成、調試以及故障排除的技巧。你將瞭解AI驅動的智能體如何更簡單地工作,並發現工具調用的奧祕。
本書展示瞭如何使用AI工具構建應用程序和機器學習模型,以及自動化重複性任務。書中第1章~第7章主要聚焦於編程,用AI工具完成從用戶界面構建到後端開發的過程。你將使用提示詞來創建使用HTML進行構建的應用程序的外觀,用CSS來設計樣式,並藉助JavaScript增加行爲,同時處理多個視口。隨後,你將使用Python和Flask創建一個Web API,並對代碼進行重構以提升可讀性。最後,藉助GitHub Copilot,優化現有代碼的可維護性和性能。第8章~第19章提供了從數據檢查(檢查數據、創建分佈圖和相關矩陣)到構建和優化神經網絡的數據科學提示工具包。你將針對各種機器學習模型和用例,使用不同的提示策略進行數據預處理、特徵工程、模型選擇、訓練、超參數優化和模型評估。第20章和第21章探討了GitHub Copilot的高階技術和軟件智能體,包括代碼生成、調試以及故障排除的技巧。你將瞭解AI驅動的智能體如何更簡單地工作,並發現工具調用的奧祕。
外行看不懂,內行不用看。AI 發展的太快了,就連這本書看起來也像上個世紀的產物。 目前這個時間點,2026 年第一季度,最佳實踐應該是 Harness Engineering 和 Spec driven development 。希望看到評論的人可以直接按着這條線索去找相關的資料去學習和實踐,不要浪費時間讀這本書了。
發展太快了,還沒上車,就換了好幾代車了
沒什麼看點,流水賬一般,不適合我
AI時代,翻譯書都要加速,否則出版即過時。
AI編程是個發展飛快的領域,工具類書籍從出版的那一刻就開始過時了。