大模型項目實戰
高強文
- 出版商: 機械工業
- 出版日期: 2024-09-01
- 定價: $534
- 售價: 8.5 折 $454
- 語言: 簡體中文
- 頁數: 235
- 裝訂: 平裝
- ISBN: 7111762347
- ISBN-13: 9787111762348
-
相關分類:
Large language model
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$505Python 核心編程, 3/e (Core Python Applications Programming, 3/e) -
$337白話大數據與機器學習 -
$2,538Deep Learning for Medical Image Analysis -
經理人之道：技術領袖航向成長與改變的參考指南 (The Manager's Path: A Guide for Tech Leaders Navigating Growth and Change)$480$379 -
AI策略｜人與企業的數位轉型 (AI for People and Business: A Framework for Better Human Experiences and Business Success)$400$316 -
機器學習模擬應用｜將合成資料運用於AI (Practical Simulations for Machine Learning)$680$537 -
擴散模型從原理到實戰$479$455 -
C# 也能完整 AI - TensorFlow.NET 實戰現場$1,080$853 -
完全圖解人工智慧：零基礎也OK！從NLP、圖像辨識到生成模型，現代人必修的53堂AI課$480$379 -
跟 NVIDIA 學深度學習！從基本神經網路到 ......、GPT、BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$748 -
Staff 工程師之路｜獻給個人貢獻者成長與改變的導航指南 (The Staff Engineer's Path)$580$458 -
AI 神助攻！程式設計新境界 – GitHub Copilot 開發 Python 如虎添翼 : 提示工程、問題分解、測試案例、除錯$560$442 -
Stable Diffusion：與杰克艾米立攜手專精 AI 繪圖$750$593 -
$505大型語言模型實戰指南：應用實踐與場景落地 -
內行人才知道的機器學習系統設計面試指南 (Machine Learning System Design Interview)$680$537 -
$378大模型應用開發：RAG 入門與實戰 -
產品領導人之道｜培育卓越產品經理的全方位指南 (Strong Product People: A Complete Guide to Developing Great Product Managers)$680$537 -
AI 產品經理手冊$359$341 -
多 Agent 智慧體 - LangChain 大型 ReAct 系統開發$880$695 -
生成式 AI 實戰基於 Transformer、Stable Diffusion、LangChain 和 AI Agent$479$455 -
AI 時代 Math 元年 - 用 Python 全精通程式設計 (黑白印刷)$1,280$1,011 -
$709基於大模型的 RAG 應用開發與優化 — 構建企業級 LLM 應用 -
Raspberry Pi 樹莓派：AI × OpenCV × LLM × AIoT 創客聖經$880$695
商品描述
全書共分為三篇。
基礎篇講解大語言模型的基礎、應用架構、應用工作模式。
操作篇講解大模型的實操環節，包括應用環境的搭建，多種大模型的部署、微調與量化，囊括了大模型的常用操作。
開發篇詳細講述大語言模型在9個領域的應用開發過程，包括Chat、程式設計、RAG、翻譯、AIAgent、語音、數碼人、提示詞產生、AI小鎮等，
涵蓋應用的開發目標、原理及開發過程，中間也穿插講解了VSCode插件的開發，豐富了應用的運作場景。
作者簡介
高強文，互鏈高科（北京）技術發展有限公司總經理，銀川方達電子系統工程有限公司董事長，寧夏回族自治區勞動模範。專註於人工智能大語言模型應用開發、開源社區開發與運營。參加工作20多年來，一直從事醫療健康領域信息化、人工智能等產品研發與管理工作，近年來致力於開源事業，開發運營aliendao.cn、gitclone.com和opendao.cn等開源社區，在GitHub上貢獻了20多個開源代碼庫。
目錄大綱
前言
基礎篇
第1章 大語言模型的基礎知識
1.1 大語言模型概述
1.1.1 基本情況
1.1.2 發展歷史
1.1.3 發展現狀
1.1.4 發展趨勢
1.2 基本原理
1.2.1 Transformer架構
1.2.2 編碼器與解碼器
1.2.3 自註意力機制
1.3 應用開發技術
1.3.1 Python
1.3.2 React.js
1.4 訓練方法
1.4.1 FFT
1.4.2 RLHF
1.4.3 P-Tuning
1.4.4 LoRA
1.5 常見現象
1.5.1 幻覺
1.5.2 災難性遺忘
1.5.3 湧現
1.5.4 價值對齊
第2章 大語言模型應用架構
2.1 整體架構
2.2 基礎設施
2.2.1 硬件部分
2.2.2 操作系統
2.3 基礎軟件
2.3.1 CUDA
2.3.2 PyTorch
2.3.3 Anaconda
2.3.4 Nginx
2.4 應用軟件
2.4.1 大語言模型文件
2.4.2 Transformers庫
2.4.3 服務程序
2.4.4 API
2.4.5 客戶端程序
……
操作篇
開發篇
