企業大模型實戰-核心技術與行業賦能 惠潤海 王延飛 9787121506635 【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：202507*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：企業大模型實戰-核心技術與行業賦能
ISBN：9787121506635
出版社：電子工業
著編譯者：惠潤海 王延飛
頁數：xxx
所在地：中國大陸 *此為代購商品
書號：1747719
可大量預訂，請先連絡。

內容簡介
本書系統化探討大模型在企業場景中的技術與應用，全面覆蓋大模型興起的技術背景、發展趨勢，以及提示詞工程、智能體、模型微調、推理等關鍵應用技術。書中重點介紹了LangChain等開發框架，並深度剖析醫療、教育、智能駕駛、科研等行業應用案例，展現大模型賦能產業升級的巨大潛力。本書遵從理論到實踐的路徑，致力於為企業構建可擴展、高性能的大模型應用體系提供完整方法論和技術解決方案，適合作為企業智能化升級的參考讀物。

作者簡介
惠潤海，教授級高工，長期致力於面向人工智能和高性能計算的先進算力與數據存儲的研究和規劃，擁有20多年的專業經驗，承擔過多項國家和省級重大項目課題，獲得過多項省部級以上獎項。
王延飛，大模型應用與算力調度專家，技術公眾號”螢火AI百寶箱”創辦人，專注於算力、雲原生、大模型等方向的深度分享，在技術社區創下超千萬閱讀記錄。

目錄

第1章  人工智能的起源與演進 1
1 1 日常生活中的人工智能 1
1 2 從圖靈測試到專家系統 2
1 3 神經網絡的初步探索 4
1 4 本章 小結 5
第2章  機器學習的崛起 6
2 1 機器學習的定義與核心思想 6
2 2 機器學習方法 7
2 2 1 有監督學習 7
2 2 2 無監督學習 10
2 2 3 強化學習 12
2 3 機器學習的常用算法 15
2 3 1 有監督學習的常用算法 15
2 3 2 無監督學習的常用算法 17
2 3 3 強化學習的常用算法 19
2 3 4 如何選擇很好機器學習算法 21
2 4 機器學習在IBM Watson中的應用 25
2 5 本章 小結 26
第3章  深度學習的革命 27
3 1 深度學習的發展歷程 27
3 2 深度神經網絡基礎 34
3 2 1 神經元 34
3 2 2 單層神經網絡 35
3 2 3 多層神經網絡 35
3 3 關鍵技術突破：RNN、CNN、GAN 38
3 3 1 RNN：循環神經網絡 38
3 3 2 CNN：卷積神經網絡 40
3 3 3 GAN：生成對抗網絡 42
3 3 4 RNN、CNN和GAN的優缺點對比 43
3 4 ImageNet挑戰賽 43
3 5 經典AI與現代AI的分野 45
3 5 1 IBM深藍：經典AI的巔峰 45
3 5 2 AlphaGo：現代AI的典範 46
3 6 本章 小結 47
第4章  大模型的興起與發展 48
4 1 大模型的崛起 48
4 2 大模型的分類 51
4 3 大模型的特點 52
4 3 1 參數規模大 52
4 3 2 算力消耗大 54
4 3 3 數據Token化 55
4 3 4 泛化能力 58
4 4 Transformer 60
4 4 1 Transformer的特點 60
4 4 2 Transformer的架構設計 63
4 4 3 Transformer的發展歷程 70
4 4 4 Transformer的應用場景 71
4 5 GPT系列模型 73
4 6 DeepSeek系列模型 78
4 6 1 DeepSeek的發展歷程 78
4 6 2 DeepSeek的技術創新 79
4 7 大模型發展趨勢：技術與應用的雙向推進 84
4 8 本章 小結 86
第5章  提示詞工程：大模型的溝通話術 88
5 1 提示詞的重要性 89
5 2 大模型提示詞的工作流程 90
5 2 1 提示詞工程的工作機制 90
5 2 2 提示詞工程的工作流程 92
5 3 大模型提示詞編寫技術及很好實踐 93
5 3 1 角色設定與指令注入 93
5 3 2 問題拆解與分層設計 94
5 3 3 編程思維與Few-Shot設計 95
5 3 4 高級提示詞設計技巧 96
5 4 巧用萬能Prompt 97
5 5 使用CO-STAR框架編寫提示詞 99
5 5 1 CO-STAR框架的使用方法 100
5 5 2 CO-STAR框架的代碼案例 101
5 6 推理大模型的提示詞設計 103
5 7 本章 小結 107
第6章  智能體應用 108
6 1 智能體：大模型落地的”最後一公里” 108
6 2 ReAct Agent實現智能體與環境交互 113
6 2 1 ReAct Agent的特點 113
6 2 2 ReAct Agent的架構組成 114
6 2 3 ReAct Agent的工作流程 115
6 3 智能體生態：構建智能體發展的基礎 116
6 4 智能體與具身智能 118
6 5 斯坦福小鎮模擬人類行為 120
6 5 1 技術架構與實現 122
6 5 2 智能體設計與行為生成 123
6 6 本章 小結 125
第7章  模型微調與定制化 126
7 1 為什麼需要微調 126
7 2 大模型微調技術路線 128

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。