AI提示工程實戰從零開始利用提示工程學習應用大語言模型
蘭一傑,於輝
- 出版商: 北京大學
- 出版日期: 2024-01-15
- 定價: $534
- 售價: 7.9 折 $422
- 語言: 簡體中文
- 頁數: 312
- 裝訂: 平裝
- ISBN: 7301347634
- ISBN-13: 9787301347638
-
相關分類:
Prompt Engineering
立即出貨
買這商品的人也買了...
-
PHP 網路服務, 2/e (PHP Web Services: APIs for the Modern Web, 2/e)$400$316 -
$505深入淺出 Electron:原理、工程與實踐 -
$607Electron 項目開發實戰 -
Node.js 量化投資全攻略:從資料收集到自動化交易系統建構實戰(iThome鐵人賽系列書)【軟精裝】$760$380 -
Notion 最強效應用:卡片盒筆記法 × GTD 時間管理 × 電子手帳 × 數位履歷 × Notion AI$499$394 -
AI 提示工程師的 16堂關鍵必修課:精準提問 x 優化提示 x 有效查詢 x 文字生成 x AI繪圖$620$465 -
$314ChatGPT 高效提問:prompt 技巧大揭秘 -
$401Prompt 魔法提示詞工程與 ChatGPT 產業應用 -
$403AI 提示工程 — 基礎.應用.實例 -
AI 的發展與應用 : 一本人工智慧的科普書$480$456 -
$269玩轉 ChatGPT:秒變 AI 論文寫作高手 -
$434提示工程 -
極速 ChatGPT 開發者兵器指南:跨界整合 Prompt Flow、LangChain 與 Semantic Kernel 框架$680$530 -
WordPress 網站架設實務:活用網站客製化、佈景主題與 ChatGPT 外掛開發的 16堂課$780$608 -
短影音制霸 -- 打造 TikTok、YT Shorts、IG Reels 成功方程式與 AI 高效創作力 (附2段影音)$420$332 -
WordPress 超圖解 + No-code 7堂課:不只打造優質專業網站,還要帶你經營獲利與擁抱社群 (iThome鐵人賽系列書)$650$507 -
視覺化社群行銷與 SEO 超級淘金術:使用 Instagram 與 YouTube【暢銷回饋版】$500$250 -
AI 提示詞:打造精準 Prompt 的對話力與創造力$580$458 -
JavaScript 重修就好$760$600 -
AI 研究寫作全攻略:NotebookLM × Gemini × ChatGPT × Perplexity$630$498
相關主題
商品描述
隨著大語言模式的快速發展,語言AI已經進入了新的階段。
這種新型的語言AI模型具有強大的自然語言處理能力,能夠理解並產生人類語言,從而在許多領域中都有廣泛的應用前景。
大語言模型的出現將深刻影響人類的生產和生活方式。
本書將介紹提示工程的基本概念和實踐,旨在幫助讀者瞭解如何建立高品質的提示內容,以便更有效率地利用大語言模型進行工作和學習。
本書內容通俗易懂,案例豐富,適合所有對大語言模型和提示工程感興趣的讀者。
無論是初學者還是進階讀者,都可以從本書中獲得有價值的資訊和實用技巧,幫助他們更好地應對各種挑戰和問題。
目錄大綱
第1章認識大語言模型
1.1 大語言模型是什麼
1.2 大語言模型的發展現況
1.3 大語言模型的重要概念
1.4 大語言模型的使用方式
第2章ChatGPT應用體驗
2.1 次對話
2.2 設計定語境脈絡
2.3模擬API參數
2.4 產業領域助理
2.5 基於對話繪圖
2.6 場景總結
第3章ChatGPT API
3.1 準備工作
3.2 ChatGPT API呼叫流程
第4章Python ChatGPT API庫
4.1 Python ChatGPT開發環境
4.2 Python範例應用
程式4.3 解析
Pyt章提示工程
5.1 提示工程是什麼
5.2 提示內容
5.3 規範化提示
第6章提示類型
6.1 標準、指令、角色提示
6.2 思維鏈提示
6.3 自洽、知識生成提示
6.4 總結與建議
第7章基於提示工程應用Python數據分析
7.1 提示建構想法
7.2 Python是什麼
7.3 Python語法徵
7.4 Python變量
7.5 Python運算子
7.6 Python字串
7.7 Python條件控制
7.8 Python循環
7.9 Python複合資料型別
7.10 Python
7.11 Python 類別
7.12 Python模組和 7.13 Python複合資料型別 7.10
Python
Python Matplotlib
第8章基於提示工程應用SQL
8.1 應用想法
8.2 建構SQL情境
8.3 查詢資料
8.4 資料排序分析
8.5 資料修改
8.6 資料刪除
8.7 多表關聯分析
8.8 字串處理
8.9 日期、時間資料處理
8.10 視窗函數
8.111報表分析
8.12 NULL值處理
8.13 整合Python資料分析
8.14 SQL整合GPT
第9章基於提示工程應用機率與統計
9.1 應用
想法9.2 基本概念
9.3 離散型隨機分佈
9.4 連續型隨機分佈
9.5 線性迴歸分析
9.6 時間序列分析
第10章基於提示工程應用生產力工具
10.1 Excel資料處理
10.2 心智圖
10.3 圖片編輯
10.4 流程編輯
第11章國產大語言模型
11.1 大語言模型通用提示技巧
11.2 介紹國產大語言模型
11.3 應用國產大語言模型
附錄1分國產大語言模式
附錄2 國產大語言模式的發展
