AI大模型系統開發技術 鞠時光 周從華 宋香梅等 9787302686088 【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：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：AI大模型系統開發技術
ISBN：9787302686088
出版社：清華大學
著編譯者：鞠時光 周從華 宋香梅等
頁數：154
所在地：中國大陸 *此為代購商品
書號：1741651
可大量預訂，請先連絡。

內容簡介

本書系統介紹行業AI大模型系統開發技術。全書共10章，主要內容包括AI大模型概述、AI基礎算法、深度學習技術與工具、生成式模型、數據標註技術、注意力機制、Transformer架構解析、自然語言處理中的預訓練模型、微調技術以及大語言模型系統安全技術。本書內容邏輯清晰、循序漸進，從理論到實踐，從算法到工程實現，引導讀者深入理解和逐步掌握行業AI大模型開發關鍵技術和方法。 本書適合作為高等學校理工科研究生、計算機相關專業高年級本科生相關專業課教材，也可供行業AI大模型系統開發人員參考。

作者簡介

鞠時光，博士，現任江蘇大學教學督導。曾任江蘇大學和墨西哥國立理工大學教授、博士生導師，江蘇大學計算機學院院長。主持完成多項國家自然科學基金、863及江蘇省科技項目，多次獲得江蘇省、機械部等科技進步獎。曾任中國圖象圖形學學會理事，中國計算機學會系統軟體專業委員會委員，以及中國計算機學會信息保密專業委員會委員等。

目錄

第1章 AI大模型概述
1 1 AI大模型的定義
1 2 AI大模型發展概況
1 2 1 語言模型演進
1 2 2 AI大模型家族
1 2 3 國內外AI大模型研究現狀
1 3 AI大模型基礎設施
1 3 1 計算資源
1 3 2 存儲系統
1 3 3 網絡帶寬
1 3 4 AI算法和優化技術
第2章 AI基礎算法
2 1 AI基礎算法概述
2 1 1 基於集合論的算法
2 1 2 基於概率統計的算法
2 1 3 基於圖論的算法
2 1 4 基於空間幾何的算法
2 1 5 基於演化計算的算法
2 1 6 基於人工神經網絡的算法
2 2 專家系統
2 2 1 專家系統的一般結構
2 2 2 專家系統的構建
2 2 3 專家系統的發展
2 3 機器學習
2 4 擬人機器學習
2 4 1 擬人機器學習的概念
2 4 2 擬人系統的瓶頸問題
2 5 人工情感計算
2 5 1 文本情感計算
2 5 2 語音情感計算
2 5 3 視覺情感計算
第3章 深度學習技術與工具
3 1 詞向量模型
3 1 1 滑動窗口
3 1 2 Word2Vec模型
3 1 3 Word2Vec訓練流程
3 2 卷積神經網絡
3 2 1 卷積神經網絡結構
3 2 2 卷積神經網絡的特點
3 2 3 卷積神經網絡在自然語言處理領域中的應用
3 3 循環神經網絡
3 3 1 典型的循環神經網絡單向傳播
3 3 2 雙向循環神經網絡
3 3 3 深度循環神經網絡
3 3 4 循環神經網絡的主要應用領域
第4章 生成式模型
4 1 混合高斯模型
4 2 隱馬爾可夫模型
4 2 1 隱馬爾可夫模型的定義
4 2 2 隱馬爾可夫模型的表示
4 2 3 隱馬爾可夫模型的使用
4 2 4 維特比算法
4 3 受限玻爾茲曼機
4 3 1 受限玻爾茲曼機模型結構
4 3 2 配分函數
4 4 深度置信網絡
4 4 1 深度置信網絡模型結構
4 4 2 深度置信網絡的目標函數
4 4 3 深度置信網絡的訓練
4 5 Seq2Seq生成模型
4 5 1 語義向量只作為初始狀態參与運算
4 5 2 語義向量參与解碼的全過程
4 5 3 循環神經網絡輸出層使用激活函數
第5章
4 5 4 Seq2Seq模型的訓練過程
4 5 5 變分自編碼器
4 5 5 1 變分下界的求法
4 5 5 2 重參數化
4 6 生成對抗網絡
4 6 1 生成對抗網絡的基本原理
4 6 2 深度卷積生成對抗網絡
4 6 3 基於殘差網絡的結構
4 7 數據標註技術
4 7 1 數據標註的定義與分類
4 7 2 數據標註的任務
4 7 3 數據標註的流程及工具
4 7 4 數據標註的應用場景
5 1 數據標註實例——情感分析
5 1 1 情感分析中的數據標註
5 1 2 標註工具
5 1 3 標註流程
5 2 注意力機制
5 2 1 引入注意力的編碼器-解碼器框架
5 2 2 自注意力機制的基本原理
5 2 3 自注意力操作過程
5 2 4 單輸入多頭注意力
5 2 5 多輸入多頭注意力
5 2 6 位置編碼
5 2 7 殘差連接方法
5 2 8 類別注意力機制
5 2 9 空間注意力機制
5 2 10 通道注意力機制
5 2 11 空間和通道注意力機制的融合
第6章 Transformer架構解析
6 1 Transformer的原始框架
6 2 輸入輸出嵌入層
6 2 1 BPE算法
6 2 2 位置編碼
6 3 編碼部分
6 3 1 掩碼張量
6 3 2 Transformer的自注意力模塊
6 3 3 Transformer的多頭注意力機制
6 3 4 前饋連接層
6 3 5 規範化層
6 3 6 殘差連接
6 4 解碼部分
6 4 1 解碼器的作用
6 4 2 解碼器多頭注意力機制
6 5 輸出處理層
第7章 自然語言處理中的預訓練模型
7 1 預訓練模型概述
7 1 1 預訓練模型的結構
7 1 2 預訓練模型壓縮技術
7 1 3 預訓練任務
7 1 4 多模態預訓練模型
7 2 預訓練模型適應下游任務
7 2 1 遷移學習
7 2 2 模型遷移方法
7 3 預訓練模型在自然語言處理任務中的應用
7 3 1 一般評價基準
7 3 2 問答
7 3 3 情感分析
7 3 4 命名實體識別
7 3 5 機器翻譯
7 3 6 摘要
7 3 7 對抗檢測和防禦
7 4 預訓練語言模型GPT
7 5 預訓練語言模型BERT
7 5 1 BERT模型結構
7 5 2 嵌入操作層
7 5 3 編碼層
7 5 4 預測層
7 6 大模型部署
7 6 1 大模型部署框架
7 6 2 大模型部署步驟
7 6 3 大模型部署方式
第8章 微調技術
8 1 微調概述
8 2 微調神經網絡的方法
8 3 自適應微調
8 4 提示學習
8 4 1 提示學習微調模型的基本組成
8 4 2 提示學習微調流程
8 5 增量微調模型
8 6 基於提示的微調
第9章 大語言模型系統安全技術
9 1 大語言模型面臨的安全挑戰
9 1 1 大語言模型應用面臨的威脅
9 1 2 對抗攻擊的類
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。