人工智能大模型導論 史衛亞 劉田園 劉婉月 9787301359723 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202504*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：人工智能大模型導論
ISBN：9787301359723
出版社：北京大學
著編譯者：史衛亞 劉田園 劉婉月
頁數：229
所在地：中國大陸 *此為代購商品
書號：1716509
可大量預訂，請先連絡。

內容簡介

本書採用理論與實訓案例相結合的形式，深入淺出地介紹了大模型的基礎知識。本書共分為8章，內容涵蓋大模型的基礎知識、傳統語言模型基礎知識、神經網絡基礎知識、大模型的主要技術、大模型的微調與部署、大模型的應用，以及面對的挑戰和未來發展等。在講解理論知識的同時，輔以實訓案例，聚焦核心技術與應用，引領AI技術新潮流 本書不僅適合作為高等院校人工智能、計算機科學與技術或相關專業學習大模型的入門教材，也適合從事相關工作的人工智能愛好者和工程師學習閱讀。

作者簡介

史衛亞，理學博士，副教授，電氣和電子工程師協會（IEEE）會員，中國計算機協會（CCF）會員。2009年獲得復旦大學計算機應用專業博士學位。2015-2016年在美國北卡羅來納大學做訪問學者，現執教於河南工業大學信息科學與工程學院。主要研究方向為機器學習、資料庫、圖像和視頻處理、人工智能和模式識別等。先後在國內外核心期刊及國際會議上發表論文30多篇，其中SCI論文5篇，EI論文12篇。參加多項國家自然基金、河南省科技攻關項目，並作為主持人參與開發國內某上市燃氣企業收費系統、用戶管理系統、地理信息系統等多個應用項目。

目錄

第1章 大模型概述
1 1 大模型概念及其發展
1 1 1 大模型基本概念
1 1 2 大模型的發展
1 1 3 大模型的分類
1 2 大規模語言模型的興起
1 3 大規模語言模型的發展歷程
1 3 1 大規模語言模型的定義
1 3 2 大規模語言模型的發展
1 3 3 大規模語言模型的主要類型
1 3 4 大規模語言模型的應用領域
1 4 大規模語言模型的特點及存在的問題
1 4 1 大規模語言模型的特點
1 4 2 大規模語言模型的湧現
1 4 3 存在的問題
1 5 視覺大模型
1 5 1 視覺大模型的發展
1 5 2 視覺大模型的主要應用
1 6 多模態大模型
1 6 1 多模態大模型的發展
1 6 2 多模態大模型的主要應用
1 7 案例實訓
1 8 本章小結
1 9 課後習題
第2章 語言模型基礎
2 1 統計語言模型
2 1 1 統計語言模型的定義
2 1 2 語言模型的評估指標
2 2 N-gram模型
2 2 1 N-gram模型數學基礎
2 2 2 N-gram例子
2 3 數據稀疏性與平滑技術
2 3 1 數據稀疏性
2 3 2 平滑技術
2 4 詞袋模型
2 4 1 詞袋模型的定義和構建步驟
2 4 2 詞袋模型的應用
2 5 案例實訓
2 5 1 實訓項目1：使用N-gram模型來判斷一個句子的合法性
2 5 2 實訓項目2：使用詞袋模型計算文本相似度
2 6 本章小結
2 7 課後習題
第3章 神經網絡語言模型
3 1 神經網絡基礎
3 1 1 感知機
3 1 2 Sigmoid神經元
3 1 3 神經網絡架構
3 1 4 神經網絡原理
3 2 循環神經網絡
3 2 1 循環神經網絡
3 2 2 循環神經網絡的定義
3 2 3 循環神經網絡的結構及原理
3 2 4 優缺點及應用場景
3 3 長短時記憶網絡
3 3 1 輸入門、遺忘門和輸出門
3 3 2 LSTM模型原理
3 4 詞向量表示Word2Vec
3 4 1 Word2Vec的定義
3 4 2 CBOW和Skip-Gram
3 4 3 Word2Vec優化策略
3 5 案例實訓——基於LSTM的情感分類案例
3 6 本章小結
3 7 課後習題
第4章 大模型的技術發展
4 1 Transformer模型介紹
4 2 自注意力機制
4 3 多頭注意力
4 4 位置編碼與掩碼
4 4 1 位置編碼
4 4 2 掩碼
4 5 Transformer模型的優化與變種
4 6 案例實訓
4 6 1 實訓項目1：基於Transformer模型的中英文翻譯系統
4 6 2 實訓項目2：搭建基礎的Transformer模型中英文翻譯系統
4 7 本章小結
4 8 課後習題
第5章 預訓練語言模型
5 1 預訓練語言模型概述
5 1 1 預訓練語言模型的概念
5 1 2 預訓練語言模型的基本原理
5 1 3 預訓練語言模型的關鍵技術
5 1 4 預訓練語言模型的應用場景
5 2 BERT系列模型
5 2 1 BERT模型的基本架構
5 2 2 模型微調
5 3 GPT系列模型
5 3 1 GPT發展歷程
5 3 2 GPT模型的基本架構
5 3 3 GPT模型的訓練
5 3 4 GPT版本的主要改進
5 4 ChatGPT模型
5 4 1 ChatGPT的訓練過程
5 4 2 ChatGPT的應用場景
5 5 其他大規模預訓練模型
5 6 案例實訓
5 7 本章小結
5 8 課後習題
第6章 大模型的微調與部署·
6 1 數據集與預處理
6 1 1 數據集的選擇
6 1 2 數據集的來源
6 1 3 數據集格式
6 1 4 數據集預處理
6 2 模型微調策略
6 2 1 指令微調
6 2 2 全微調
6 2 3 參數高效微調
6 3 提示工程
6 3 1 提示工程的定義
6 3 2 提示工程的關鍵要素
6 3 3 提示工程的其他技巧
6 3 4 提示工程的實際應用示例
6 3 5 提示工程的挑戰與未來展望
6 4 檢索增強生成
6 4 1 為什麼要引入檢索增強生成
6 4 2 檢索增強生成的步驟
6 4 3 檢索增強生成與微調的關係
6 5 模型壓縮
6 6 模型部署
6 7 大模型的評估與測試
6 7 1 大模型的評估
6 7 2 大模型的測試
6 8 LangChain框架
6 9 大模型應用開發的整體流程
6 9 1 大模型開發需要關注的問題
6 9 2 大模型開發的一般流程
6 10 案例實訓
6 10 1 實訓項目1：通義千問大模型的部署
6 10 2 實訓項目2：ChatGLM3-6B大模型的部署
6 11 本章小結
6 12 課後習題
第7章 大模型的應用
7 1 自然語言生成
7 2 問答系統
7 3 對話系統
7 4 專業領域的應用
7 4 1 法律領域
7 4 2 教育領域
7 4 3 金融領域
7 4 4 醫療領域
7 4 5 科學研究領域
7 4 6 工程技術領域
7 5 圖像大模型的應用
7 5 1 安防監控
7 5 2 自動駕駛
7 5 3 醫療診斷
7 5 4 零售與電商
7 5 5 智慧農業
7 5 6 更多創新應用
7 6 基於大模型的智能體
7 6 1 智能體
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。