幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

AI大模型訓練與應用實踐

  • 作者：劉傑//仉乾隆//黃鵬//李兵|責編:張尚國
  • 出版社：清華大學
  • ISBN：9787302718741
  • 出版日期：2026/07/01
  • 裝幀：平裝
  • 頁數：241
人民幣：RMB 69.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《AI大模型訓練與應用實踐》內容包括對大模型知識的全面總結和基於大模型的人工智慧應用所進行的實踐探索。大模型的設計和訓練旨在提供更強大、更準確的模型，以應對更複雜、更龐大的數據集或任務。大模型在各領域都有廣泛的應用，包括自然語言處理、電腦視覺、語音識別和推薦系統等。
    本書的目標是幫助大模型使用者理解和掌握大模型的基本概念，並指導使用者應用這些模型解決實際問題。書中包含了大量的理論知識和實踐經驗，以及詳細的代碼示例，幫助使用者從理論到實踐全面應用大模型。
作者介紹
劉傑//仉乾隆//黃鵬//李兵|責編:張尚國
目錄
第1篇  導論
  第1章  自然語言處理劃時代的突破：大模型的崛起
    1.1  深度學習的演變歷程
      1.1.1  人工神經網路的起源
      1.1.2  早期的統計語言模型
      1.1.3  早期的神經網路模型
      1.1.4  卷積神經網路的發展
      1.1.5  RNN模型和LSTM模型
      1.1.6  Transformer模型
    1.2  預訓練語言模型的崛起
      1.2.1  預訓練技術
      1.2.2  預訓練思想在自然語言處理中的應用
      1.2.3  預訓練語言模型的發展歷程
      1.2.4  典型的預訓練語言模型：ELMo、BERT和GPT
    1.3  大模型的時代
      1.3.1  大模型的定義和特性
      1.3.2  大模型的優勢和挑戰
      1.3.3  大模型在自然語言處理中的應用
      1.3.4  大模型的應用
    1.4  大模型核心技術概覽
      1.4.1  模型架構和設計
      1.4.2  模型的加速
      1.4.3  當前的挑戰和未來的趨勢
  第2章  國內外主流大模型介紹
    2.1  全球大模型概覽
    2.2  代表型廠商及模型特點
      2.2.1  OpenAIGPT系列
      2.2.2  Google（谷歌）PaLM
      2.2.3  MetaLLaMA系列
      2.2.4  訊飛星火
      2.2.5  百度文心一言
      2.2.6  智譜GLM系列
      2.2.7  百川大模型
      2.2.8  AnthropicClaude大模型
      2.2.9  DeepSeek系列大模型
    2.3  大模型中文領域評測基準
      2.3.1  C-Eval
      2.3.2  SuperCLUE
      2.3.3  AgentBench
第2篇  技術原理及實戰
  第3章  深度學習中的大模型原理
    3.1  深度學習驅動的自然語言處理
      3.1.1  傳統機器學習演算法的劣勢
      3.1.2  深度學習與大模型時代對傳統機器學習演算法的挑戰
    3.2  深度學習中神經網路的發展
      3.2.1  淺層神經網路與深度神經網路
      3.2.2  神經網路結構的演進歷程
    3.3  大模型架構
      3.3.1  典型架構
      3.3.2  大模型的技術架構層次

      3.3.3  大模型核心組件的配置
    3.4  大模型訓練的關鍵階段
  第4章  大模型微調及評測
    4.1  微調數據準備
      4.1.1  開源數據集介紹
      4.1.2  數據預處理手段
    4.2  微調策略及框架
      4.2.1  微調策略
      4.2.2  加速策略
      4.2.3  LLM框架
    4.3  微調效果評估
    4.4  微調實戰：把大模型塞到多張小卡里
第3篇  應用
  第5章  大模型典型應用
    5.1  大模型的應用概覽
      5.1.1  C端應用：個性化推薦、智能助手、內容創作等
      5.1.2  B端應用：客戶服務、數據分析、業務決策支持、運籌優化等
      5.1.3  大模型在應用中的挑戰
    5.2  基於星火13B的智能檢索生成任務
      5.2.1  什麼是RAG
      5.2.2  RAG架構
      5.2.3  RAG應用流程包含的階段
      5.2.4  基於LangChain的知識智能問答實踐
    5.3  構建一個小粒度的Agent
      5.3.1  AIAgent的定義及現狀
      5.3.2  數據獲取
      5.3.3  模型微調與訓練
      5.3.4  Agent應用
    5.4  構建您的智能客服
      5.4.1  智能客服的業務需求和場景
      5.4.2  數據獲取：收集和處理客服對話數據
      5.4.3  構建模型
      5.4.4  模型微調與訓練
    5.5  創建您的數字分身
      5.5.1  數字分身的需求和場景
      5.5.2  數據獲取：收集和處理微博對話數據
      5.5.3  模型訓練和優化
    5.6  實現一個郵件分類器插件
      5.6.1  郵件分類插件的需求和場景
      5.6.2  數據獲取：收集和處理郵件數據
      5.6.3  構建郵件分類模型
      5.6.4  模型訓練和優化
第4篇  技術發展展望
  第6章  大模型技術發展展望
    6.1  大模型後續技術發展展望
      6.1.1  多模態大模型
      6.1.2  AIAgent未來展望
      6.1.3  具身智能
    6.2  行業大模型技術發展展望
      6.2.1  金融大模型

      6.2.2  醫療大模型
      6.2.3  法律大模型
      6.2.4  教育大模型
    6.3  企業私有化大模型落地路徑
      6.3.1  提示詞工程
      6.3.2  外掛知識庫
      6.3.3  微調開源大模型
    6.4  大模型發展的未來挑戰
      6.4.1  大模型的數據資源問題
      6.4.2  大模型的信息準確性
      6.4.3  大模型的災難性遺忘問題
      6.4.4  大模型的長上下文建模問題
      6.4.5  大模型的可解釋性
      6.4.6  大模型的計算成本和能源消耗
      6.4.7  大模型的倫理與安全問題
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032