大模型工程化-AI驅動下的數據體系 騰訊遊戲數據團隊 9787115659712 【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：202503*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：大模型工程化-AI驅動下的數據體系
ISBN：9787115659712
出版社：人民郵電
著編譯者：騰訊遊戲數據團隊
頁數：292
所在地：中國大陸 *此為代購商品
書號：1718930
可大量預訂，請先連絡。

內容簡介

大模型在眾多領域得到了廣泛應用，促進了AI技術的整合和創新。然而，在實際應用過程中，直接將大模型應用於特定行業常常難以達到預期效果。本書詳細闡述如何在遊戲經營分析場景中利用大模型實現數據體系的建設。 本書分為6個部分，共16章。第1部分主要介紹大模型技術的發展與應用，從大模型的發展現狀展開，重點介紹大模型與數據體系的相關知識。第2部分主要介紹大模型下的關鍵基礎設施，涵蓋湖倉一體引擎、湖倉的關鍵技術、實時數據寫入和高效數據分析等內容。第3部分主要介紹大模型下的數據資產，圍繞數據資產重塑、數據資產標準、數據資產建設、數據資產運營展開。第4部分主要介紹自研領域大模型的技術原理，涵蓋領域大模型的基礎、需求理解算法、需求匹配算法、需求轉譯算法等內容。第5部分主要介紹大模型的工程化原理，涉及工程化的基礎、技術籌備、建設要點、安全策略等內容。第6部分介紹大模型在遊戲領域的應用，通過遊戲領域的經營分析案例，系統地闡述如何實現業務需求。 本書適合致力於大模型技術應用的數據工程師閱讀，也適合尋求AI自動化編程解決方案的軟體開發者閱讀，還適合希望利用AI提升業務效率的企業決策者閱讀。

目錄

第1部分 大模型技術的發展與應用
第1章 大模型的發展現狀
1 1 大模型的發展歷程
1 2 大模型的市場規模
1 3 大模型技術的應用現狀
1 3 1 通用大模型技術的應用
1 3 2 領域大模型技術的應用
1 4 小結
第2章 大模型與數據體系
2 1 業務對數據體系的需求
2 2 經典數據中台解決方案
2 2 1 技術平台
2 2 2 數據建模
2 2 3 數據治理
2 3 大模型帶來的新機會
2 3 1 大模型的優勢與不足
2 3 2 大模型與經典數據中台
2 3 3 大模型的新思路
2 4 全新的大模型解決方案
2 4 1 建設目標
2 4 2 關鍵技術
2 4 3 方案架構
2 5 小結
第2部分 大模型下的關鍵基礎設施
第3章 大模型下的新基建
3 1 湖倉一體引擎
3 1 1 數據技術的發展
3 1 2 湖倉一體架構
3 2 DeltaLH湖倉的關鍵技術
3 2 1 存儲計算分離
3 2 2 數據冷熱分層
3 2 3 湖倉一體化
3 3 實時數據寫入
3 3 1 實時數據鏈路
3 3 2 全鏈路監控
3 3 3 數據預構建
3 4 高效數據分析
3 4 1 查詢引擎優化
3 4 2 物化透明加速
3 5 小結
第3部分 大模型下的數據資產
第4章 數據資產重塑
4 1 數據資產方案的現狀
4 2 面臨的核心挑戰
4 2 1 缺失非結構化標準
4 2 2 建設和治理成本高
4 2 3 運營目標不一致
4 3 重塑數據資產的思路
4 4 小結
第5章 數據資產標準
5 1 需求資產標準
5 1 1 結構化需求
5 1 2 行業知識資產
5 1 3 AI可理解需求
5 2 特徵資產標準
5 2 1 個人特徵資產
5 2 2 公共特徵資產
5 3 庫表資產標準
5 3 1 粒度參數
5 3 2 熱度參數
5 3 3 速度參數
5 4 小結
第6章 數據資產建設
6 1 AI助力資產初始化
6 1 1 特徵資產初始化
6 1 2 庫表資產初始化
6 2 AI輔助需求資產建設
6 2 1 結構化需求資產建設
6 2 2 行業知識資產建設
6 2 3 AI可理解的需求資產建設
6 3 AI輔助特徵資產建設
6 3 1 個人特徵資產建設
6 3 2 公共特徵資產建設
6 4 AI輔助庫表資產建設
6 4 1 成本模型訓練
6 4 2 物化視圖候選集生成
6 4 3 物化視圖推薦
6 5 小結
第7章 數據資產運營
7 1 數據資產運營的目標
7 2 需求資產運營
7 2 1 需求質量評估模型
7 2 2 需求質量達標率
7 3 特徵資產運營
7 3 1 公共特徵轉化率
7 3 2 特徵資產復用率
7 4 庫表資產運營
7 4 1 庫表資產成本優化
7 4 2 庫表資產覆蓋率
7 5 小結
第4部分 自研領域大模型的技術原理
第8章 領域大模型的基礎
8 1 領域大模型的背景
8 1 1 通用大模型的局限性
8 1 2 領域大模型的優勢
8 2 領域大模型方案
8 2 1 3種構建方案
8 2 2 檢索增強生成
8 2 3 參數高效微調
8 2 4 模型選型
8 3 領域大模型架構
8 4 小結
第9章 需求理解算法
9 1 從模糊需求到清晰需求
9 1 1 必要性
9 1 2 面臨的挑戰
9 2 常見的需求理解算法
9 2 1 傳統Query理解算法
9 2 2 創新需求理解算法
9 3 需求理解算法的設計原理
9 3 1 構建業務知識庫
9 3 2 構建需求理解鏈路
9 4 小結
第10章 需求匹配算法
10 1 從需求到資產
10 1 1 必要性
10 1 2 面臨的挑戰
10 1 3 解決方案
10 2 召回算法
10 2 1 資產圖譜
10 2 2 文本召回
10 2 3 向量召回
10 2 4 意圖召回
10 2 5 召回粗排
10 3 精排算法
10 3 1 數據生成
10 3 2 模型微調
10 3 3 多LoRA部署
10 4 小結
第11章 需求轉譯算法
11 1 從需求到查詢
11 1 1 必要性
11 1 2 面臨的問題
11 2 解決方案
11 2 1 傳統的Text2SQL技術
11 2 2 創新的需求轉譯算法
11 3 實戰原理
11 3 1 評測數據集
11 3 2 算法流程
11 4 小結
第5部分 大模型的工程化原理
第12章 工程化的基礎
12 1 工程化的背景
12 1 1 工程化的定義
12 1 2 工程化的理念
12 2 工程化的核心
12 3 工程化的建設思路
12 3 1 業務流程
12 3 2 系統架構
12 4 小結
第13章 工程化的技術籌備
13 1 技術調研評估
13 2 大模型應用框架
13 2 1 核
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。