圖解大模型-生成式AI原理與實戰 9787115670830 傑伊.阿拉馬爾 馬爾滕.格魯滕多斯特

*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：202505*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：圖解大模型-生成式AI原理與實戰
ISBN：9787115670830
出版社：人民郵電
著編譯者：傑伊.阿拉馬爾 馬爾滕.格魯滕多斯特
頁數：349
所在地：中國大陸 *此為代購商品
書號：1732111
可大量預訂，請先連絡。

內容簡介

本書全程圖解式講解，通過大量全彩插圖拆解概念，讓讀者真正告別學習大模型的枯燥和複雜。 全書分為三部分，依次介紹語言模型的原理、應用及優化。第一部分理解語言模型（第1～3章），解析語言模型的核心概念，包括詞元、嵌入向量及Transformer架構，幫助讀者建立基礎認知。第二部分使用預訓練語言模型（第4～9章），介紹如何使用大模型進行文本分類、聚類、語義搜索、文本生成及多模態擴展，提升模型的應用能力。第三部分訓練和微調語言模型（第10～12章），探討大模型的訓練與微調方法，包括嵌入模型的構建、分類任務的優化及生成式模型的微調，以適應特定需求。 本書適合對大模型感興趣的開發者、研究人員和行業從業者。讀者無須深度學習基礎，只要會用Python，就可以通過本書深入理解大模型的原理並上手大模型應用開發。書中示例還可以一鍵在線運行，讓學習過程更輕鬆。

作者簡介

傑伊·阿拉馬爾 Cohere總監兼工程研究員，知名大模型技術博客博主，DeepLearning AI、Udacity熱門課程作者。

目錄

對本書的讚譽
對本書中文版的讚譽
譯者序
中文版序
前言
第一部分 理解語言模型
第1章 大語言模型簡介
1 1 什麼是語言人工智能
1 2 語言人工智能的近期發展史
1 2 1 將語言表示為詞袋模型
1 2 2 用稠密向量嵌入獲得更好的表示
1 2 3 嵌入的類型
1 2 4 使用注意力機制編解碼上下文
1 2 5 「Attention Is All You Need」
1 2 6 表示模型：僅編碼器模型
1 2 7 生成模型：僅解碼器模型
1 2 8 生成式AI元年
1 3 「LLM」定義的演變
1 4 LLM的訓練範式
1 5 LLM的應用
1 6 開發和使用負責任的LLM
1 7 有限的資源就夠了
1 8 與LLM交互
1 8 1 專有模型
1 8 2 開源模型
1 8 3 開源框架
1 9 生成你的第一段文本
1 10 小結
第2章 詞元和嵌入
2 1 LLM的分詞
2 1 1 分詞器如何處理語言模型的輸入
2 1 2 下載和運行LLM
2 1 3 分詞器如何分解文本
2 1 4 詞級、子詞級、字元級與位元組級分詞
2 1 5 比較訓練好的LLM分詞器
2 1 6 分詞器屬性
2 2 詞元嵌入
2 2 1 語言模型為其分詞器的詞表保存嵌入
2 2 2 使用語言模型創建與上下文相關的詞嵌入
2 3 文本嵌入（用於句子和整篇文檔）
2 4 LLM之外的詞嵌入
2 4 1 使用預訓練詞嵌入
2 4 2 word2vec算法與對比訓練
2 5 推薦系統中的嵌入
2 5 1 基於嵌入的歌曲推薦
2 5 2 訓練歌曲嵌入模型
2 6 小結
第3章 LLM的內部機制
3 1 Transformer模型概述
3 1 1 已訓練Transformer LLM的輸入和輸出
3 1 2 前向傳播的組成
3 1 3 從概率分佈中選擇單個詞元（採樣 解碼）
3 1 4 并行詞元處理和上下文長度
3 1 5 通過緩存鍵 值加速生成過程
3 1 6 Transformer塊的內部結構
3 2 Transformer架構的最新改進
3 2 1 更高效的注意力機制
3 2 2 Transformer塊
3 2 3 位置嵌入：RoPE
3 2 4 其他架構實驗和改進
3 3 小結
第二部分 使用預訓練語言模型
第4章 文本分類
4 1 電影評論的情感分析
4 2 使用表示模型進行文本分類
4 3 模型選擇
4 4 使用特定任務模型
4 5 利用嵌入向量的分類任務
4 5 1 監督分類
4 5 2 沒有標註數據怎麼辦
4 6 使用生成模型進行文本分類
4 6 1 使用T
4 6 2 使用ChatGPT進行分類
4 7 小結
第5章 文本聚類和主題建模
5 1 ArXiv文章：計算與語言
5 2 文本聚類的通用流程
5 2 1 嵌入文檔
5 2 2 嵌入向量降維
5 2 3 對降維后的嵌入向量進行聚類
5 2 4 檢查生成的簇
5 3 從文本聚類到主題建模
5 3 1 BERTopic：一個模塊化主題建模框架
5 3 2 添加特殊的「樂高積木塊」
5 3 3 文本生成的「樂高積木塊」
5 4 小結
第6章 提示工程
6 1 使用文本生成模型
6 1 1 選擇文本生成模型
6 1 2 載入文本生成模型
6 1 3 控制模型輸出
6 2 提示工程簡介
6 2 1 提示詞的基本要素
6 2 2 基於指令的提示詞
6 3 高級提示工程
6 3 1 提示詞的潛在複雜性
6 3 2 上下文學習：提供示例
6 3 3 鏈式提示：分解問題
6 4 使用生成模型進行推理
6 4 1 思維鏈：先思考再回答
6 4 2 自洽性：採樣輸出
6 4 3 思維樹：探索中間步驟
6 5 輸出驗證
6 5 1 提供示例
6 5 2 語法：約束採樣
6 6 小結
第7章 高級文本生成技術與工具
7 1 模型輸入 輸出：基於LangChain載入量化模型
7 2 鏈：擴展LLM的能力
7 2 1 鏈式架構的關鍵節點：提示詞模板
7 2 2 多提示詞鏈式架構
7 3 記憶：構建LLM的對話回溯能力
7 3 1 對話緩衝區
7 3 2 窗口式對話緩衝區
7 3 3 對話摘要
7 4 智能體：構建LLM系統
7 4 1 智能體的核心機制：遞進式推理
7 4 2 LangChain中的ReAct實現
7 5 小結
第8章 語義搜索與RAG
8 1 語義搜索與RAG技術全景
8 2 語言模型驅動的語義搜索實踐
8 2 1 稠密檢索
8 2 2 重排序
8 2 3 檢索評估指標體系
8 3 RAG
8 3 1 從搜索到RAG
8 3 2 示例：使用LLM API進行基於知識的生成
8 3 3 示例：使用本地模型的RAG
8 3 4 高級RAG技術
8 3 5 RAG效果評估
8 4 小結
第9章 多模態LLM
9 1 視覺Transformer
9 2 多模態嵌入模型
9 2 1 CLIP：構建跨模態橋
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。