智能制造實戰

郭秉義 施銘強 王會義

智能制造實戰
  • 出版商: 機械工業
  • 出版日期: 2026-01-01
  • 定價: $594
  • 售價: 7.9 折 $469
  • 語言: 簡體中文
  • ISBN: 7111795040
  • ISBN-13: 9787111795049
  • 相關分類: Large language model

    • 立即出貨 (庫存 < 3)

買這商品的人也買了...

商品描述

本書涵蓋DeepSeek原理、技術、落地案例，實戰制造企業場景，兌現DeepSeek生產價值，推動企業轉型。本書主要內容如下：首先，介紹DeepSeek的發展歷程、技術路線與定位，澄清一些常見誤區。並且，詳細解析其核心技術，包括Transformer、MoE等基礎架構，以及DeepSeek-MoE、MLA等關鍵創新，以揭示其性能突破與高速發展的技術根源。接著，由淺入深地講解DeepSeek應用方法論。基礎模式包括提示詞設計、多工具協同以及 的應用能力。進階模式則圍繞垂直大模型的構建展開，涉及各種微調技術、RAG及AI Agent的基礎架構與實踐路徑，為行業實踐打下基礎。隨後，視角聚焦於制造業場景，實現DeepSeek的部署與應用。先從決策層面，分析制造業的數字化現狀、企業對大模型的核心需求及重點落地場景，進一步討論DeepSeek私有化部署的必要性、成本結構、資源規劃（場景、模型、算力、數據）與實施路線。再從實戰層面，講解Ollama、ChatBox本地化部署，基於Dify開發應用，構建知識庫問答助手，設計自動化工作流等。之後，進入案例演示環節。先以“企業 員工”為主題，展示DeepSeek在制造業典型業務中的落地應用，如基於Dify構建智能生產合規助手、智能辦公助手等。再進一步介紹制造業業垂直大模型的構建流程，包括數據集制作，以及基於LLaMA-Factory微調等。 ，進行總結與展望，為企業提供有效的決策參考。對DeepSeek的能力邊界、算力需求、成本效益等關鍵問題進行系統評估，並展望AI賦能制造業的未來發展方向。

作者簡介

郭秉義 智能化研發專家上市企業的智能化研發負責人，華南理工大學博士，加拿大不列顛哥倫比亞大學聯合培養博士。 上市公司的大型數字化與智能化轉型項目，長期專註於人工智能融合工業應用。先後就職於通信、教育、地產、制造等行業的世界500強企業，擁有豐富的智能化落地經驗。施銘強 自然語言技術專家 知名人工智能企業的自然語言 研發經理，澳門科技大學計算機資訊科技碩士。長期深耕大語言模型訓練與全流程優化，在電力、地產等重點行業擁有豐富的大模型技術全流程落地經驗。王會義 中國移動“十百千”網絡技術專家中國移動 工程師、網絡技術專家，華南師範大學碩士。長期從事超大型全光網絡規劃設計工作，為智算時代的高品質全光運力聯算和入算貢獻多個行業標桿案例，將高效智能算力賦能於工業生產。

目錄大綱

前言
第1章 認識DeepSeek
1.1 DeepSeek基礎知識
1.1.1 DeepSeek發展簡史
1.1.2 DeepSeek版本介紹
1.2 人工智能、大模型與DeepSeek
1.2.1 人工智能的三大技術流派
1.2.2 大模型的主要特征
1.2.3 大語言模型的基本能力
1.2.4 關於DeepSeek的常見誤區
1.3 小結
第2章 DeepSeek的技術原理
2.1 大模型的基本技術
2.1.1 Transformer的基本原理
2.1.2 Transformer的優缺點
2.1.3 MoE的基本原理
2.1.4 MoE的優缺點
2.2 DeepSeek的技術創新
2.2.1 DeepSeekMoE
2.2.2 MLA
2.2.3 MTP
2.2.4 GRPO
2.3 DeepSeek火爆的邏輯
2.3.1 應用層的用戶體驗優化
2.3.2 算法層的集成創新
2.3.3 基礎設施層的落地高性價比
2.4 小結
第3章 DeepSeek的基礎使用方法
3.1 DeepSeek功能簡介
3.1.1 能力圖譜
3.1.2 三種模式
3.2 提示詞
3.2.1 提示詞的作用
3.2.2 提示詞的必要性
3.2.3 提示詞的基本要素
3.2.4 常用的提示詞模板
3.3 DeepSeek多工具協同
3.3.1 DeepSeek的使用局限
3.3.2 多工具協同
3.4 使用DeepSeek的能力要求
3.4.1 提問
3.4.2 判斷
3.4.3 調度
3.5 小結
第4章 DeepSeek的進階使用方法
4.1 垂直大模型的構建
4.1.1 全量微調
4.1.2 局部微調
4.1.3 適配式微調
4.1.4 前綴式微調
4.1.5 外掛式微調
4.1.6 混合式微調
4.1.7 主要微調技術的對比
4.2 大模型檢索增強生成
4.2.1 RAG簡介
4.2.2 構建向量數據庫
4.2.3 相似檢索
4.2.4 智能生成
4.2.5 RAG效果評估
4.2.6 RAG應用場景
4.2.7 RAG與微調的對比
4.3 AI Agent
4.3.1 AI Agent簡介
4.3.2 基本框架
4.3.3 感知模塊
4.3.4 大腦模塊
4.3.5 行動模塊
4.3.6 大模型與AI Agent的關系
4.3.7 AI Agent與RPA的關系
4.4 小結
第5章 制造業與DeepSeek
5.1 制造業的數字化進展
5.1.1 企業數字化
5.1.2 智能制造
5.2 DeepSeek等大模型在制造業的應用
5.2.1 制造業需要大模型賦能
5.2.2 大模型在制造業的應用場景
5.3 小結
第6章 企業級DeepSeek的私有化部署與應用
6.1 企業私有化部署DeepSeek的考量
6.1.1 常見的DeepSeek使用方式
6.1.2 私有化部署的必要性
6.1.3 私有化部署的成本測算
6.2 企業私有化部署與應用DeepSeek的路徑
6.2.1 場景選擇
6.2.2 模型選擇
6.2.3 算力分配
6.2.4 數據規劃
6.2.5 整體解決方案
6.2.6 培訓與推廣
6.3 小結
第7章 DeepSeek部署與應用實戰
7.1 DeepSeek本地部署工具
7.1.1 使用Ollama部署DeepSeek
7.1.2 基於ChatBox客戶端與DeepSeek交互
7.2 大模型應用開發平臺
7.2.1 安裝Dify
7.2.2 Dify的功能特性
7.2.3 使用Dify開發AI應用
7.2.4 其他大模型應用開發平臺
7.3 知識問答助手實踐
7.3.1 構建知識庫
7.3.2 創建問答助手
7.4 工作流實踐
7.4.1 工作流組件簡介
7.4.2 多知識庫問答工作流示例
7.5 AI Agent實踐
7.5.1 基於Function Calling調用外部工具
7.5.2 基於MCP調用外部工具
7.5.3 MCP實戰
7.6 小結
第8章 企業超級員工：DeepSeek在業務場景中的應用案例
8.1 企業超級員工
8.1.1 企業超級員工的基本架構
8.1.2 構建企業知識庫
8.2 基於Dify的智能生產合規知識助手
8.2.1 添加會話變量
8.2.2 構建用戶意圖識別模塊
8.2.3 知識庫的分類及構建
8.2.4 執行原文回覆任務
8.2.5 實施任務自動化
8.3 基於Dify的智能辦公助手
8.3.1 調用大模型生成思維導圖的流程
8.3.2 基於Dify的思維導圖自動生成流程
8.3.3 技術方案整合流程
8.4 小結
第9章 從通用到專精：垂直大模型的應用方案
9.1 構建微調數據集
9.1.1 數據獲取
9.1.2 數據清洗
9.1.3 數據質量控制
9.1.4 數據擴增
9.1.5 數據標準化和格式化
9.2 微調框架：LLaMA-Factory
9.2.1 安裝LLaMA-Factory
9.2.2 配置訓練數據
9.2.3 微調模型的推理測試
9.3 小結
第10章 總結與展望
10.1 DeepSeek：行業應用萬花筒
10.2 正確認識DeepSeek
10.2.1 DeepSeek的能力邊界
10.2.2 DeepSeek與算力
10.2.3 DeepSeek與費用
10.2.4 DeepSeek與效益
10.2.5 DeepSeek會取代人類嗎
10.3 DeepSeek的重要發展方向
10.3.1 端側大模型加速變革
10.3.2 AI Agent快速普及
10.3.3 通用還

類似商品

最後瀏覽商品 (20)