掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
LANGCHAIN與新時代生產力——AI應用開發之路 版權信息
- ISBN：9787302676157
- 條形碼：9787302676157 ; 978-7-302-67615-7
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
LANGCHAIN與新時代生產力——AI應用開發之路 本書特色
本書從生成式AI的基礎知識到LangChain框架的高級應用，無論是新手還是經驗豐富的開發者都能從中獲益。通過深入淺出的解釋、實際案例分析及詳細的步驟指導，本書旨在幫助讀者理解并掌握LangChain的強大能力，進而開發出更智能、更高效的應用。
LANGCHAIN與新時代生產力——AI應用開發之路 內容簡介
"本書全面深入地探討了AI生成大模型的領域，從AI的歷史探源、生成式模型在不同領域的應用（文本、圖片、聲樂、視頻及多模態模型），到大型語言模型（如GPT）的運作機制、預訓練、可擴展架構及其適應性。通過詳細介紹LangChain的概念、應用、安裝方法及如何利用LangChain進行軟件開發和數據科學，本書為讀者提供了一個關于AI生成大模型應用的全景視圖。 本書共11章，覆蓋了AI生成大模型的理論基礎、LangChain的初識與入門、進階使用、在軟件開發和數據科學中的應用及生成式AI的未來展望等多個方面。第1~3章介紹AI生成大模型的基礎知識，如AI歷史、生成式模型在不同領域的應用、大型語言模型如GPT的基礎和LangChain的初識與入門。第4~6章深入LangChain的進階使用，探討Agent構建、文檔查詢工具、聊天機器人開發，提供實戰案例和技術細節。第7~9章聚焦LangChain在軟件開發和數據科學的應用及定制LLM輸出的策略，介紹編程、自動化軟件開發、數據探索技術方法及LLM輸出優化。第10章和第11章討論LLM在生產環境的應用、監控、回調處理，以及生成式AI的未來展望，包括其潛力、社會影響和挑戰，旨在為讀者提供從入門到進階的全面知識，適合不同背景的讀者深入學習和應用。 本書特色在于其理論與實踐相結合的方法論，適合對AI生成大模型感興趣的學生、研究人員和軟件開發者。書中不僅詳細介紹了AI生成大模型的基礎知識和前沿技術，還提供了豐富的實踐指導和案例分析，幫助讀者掌握如何在實際項目中應用這些技術。此外，配套資源豐富，包括示例代碼、工具安裝指南和案例研究，極大地增強了本書的實用性和指導性。無論是AI領域的新手還是有經驗的開發者都能從中獲得必要的知識和靈感。 "
LANGCHAIN與新時代生產力——AI應用開發之路 目錄
第1章什么是AI生成大模型11.1AI歷史探源11.1.1生成式模型21.1.2生成式模型在文本領域31.1.3生成式模型在圖片領域41.1.4生成式模型在聲樂領域51.1.5生成式模型在視頻領域61.1.6多模態模型61.2LLM簡介61.2.1潮流涌現81.2.2GPT的運作機制101.2.3模型的預訓練121.2.4可擴展架構121.2.5模型的適應性13第1章什么是AI生成大模型11.1AI歷史探源11.1.1生成式模型21.1.2生成式模型在文本領域31.1.3生成式模型在圖片領域41.1.4生成式模型在聲樂領域51.1.5生成式模型在視頻領域61.1.6多模態模型61.2LLM簡介61.2.1潮流涌現81.2.2GPT的運作機制101.2.3模型的預訓練121.2.4可擴展架構121.2.5模型的適應性131.2.6上手GPT131.3圖像模型131.3.1圖像模型工作原理141.3.2圖像模型的不同版本151.3.3圖形模型的調節性161.4總結16第2章初識LangChain172.1LLM的局限性172.2LLM應用介紹192.3LangChain介紹212.3.1LangChain的必要性232.3.2LangChain支持的應用232.4LangChain的工作機制242.4.1初識Agent242.4.2初識鏈272.4.3初識記憶282.4.4LangChain中的工具282.5總結29第3章LangChain入門303.1安裝LangChain方法303.1.1安裝Python303.1.2Jupyter Notebook和JupyterLab303.1.3環境管理323.2導入模型343.2.1虛擬LLM（Fake LLM）353.2.2OpenAI363.2.3HuggingFace373.2.4微軟云383.2.5谷歌云383.2.6Jina AI403.2.7Replicate423.2.8本地模型423.3模型輸出解析453.3.1列表解析器473.3.2日期解析器483.3.3自動修復解析器493.3.4Pydantic（JSON）解析器513.3.5重試解析器533.3.6結構化輸出解析器553.3.7XML解析器573.4LangChain表達式語言593.4.1LCEL接口簡介603.4.2綁定運行時參數753.4.3運行自定義函數773.4.4流式傳輸自定義生成器函數783.4.5并行化步驟803.4.6根據輸入的動態路由邏輯823.5鏈863.5.1鏈接口中的方法調用883.5.2自定義鏈的創建893.5.3幾種常見的鏈923.6實戰案例: 客戶服務助手應用程序開發1093.7總結113第4章LangChain進階: Agent1144.1構建自己的第1個Agent1154.2LangChain中的常見Agent類型1214.2.1Zeroshot ReAct1224.2.2Structured Input ReAct1244.2.3OpenAI Functions1284.2.4Conversational1304.2.5ReAct Document Store1334.3迭代器運行Agent1354.4讓Agent返回結構化輸出1384.5處理Agent解析錯誤1434.6將Agent構建為圖1444.6.1快速開始1444.6.2流式輸出147第5章使用LangChain工具進行文檔查詢1535.1幻覺現象1535.2文檔總結1565.3信息提取1595.4使用工具1615.5解剖LLM推理的底層策略1655.6總結168第6章聊天機器人1706.1聊天機器人簡介1706.1.1歷史溯源1716.1.2上下文和記憶1736.1.3意識性與主動性1746.2檢索和向量1746.2.1嵌入1766.2.2存儲嵌入的方式1796.2.3索引1796.2.4向量庫1806.2.5向量數據庫1816.2.6文檔加載器1846.2.7LangChain中的檢索器1846.3實戰案例: 實現一個聊天機器人1876.4LangChain中的記憶機制1916.4.1快速開始1926.4.2LangChain中基礎的記憶類型1946.4.3其他高級記憶類型2116.4.4記憶和LLM鏈2256.4.5記憶和Agent2286.4.6自定義會話記憶2336.4.7自定義記憶2376.4.8聊天機器人的記憶2406.5內容監管2456.6總結246第7章LangChain和軟件開發2487.1步入新時代2487.1.1AI在軟件領域的*新進展2497.1.2代碼生成LLM2507.1.3未來展望2537.2使用LLM編程2547.3LLM自動化軟件開發2607.4總結265第8章LangChain和數據科學2668.1自動化數據科學簡介2668.1.1數據收集2688.1.2可視化和探索性數據分析2708.1.3數據預處理和特征提取2708.1.4自動化機器學習2718.1.5生成式AI對數據科學的變革2748.2使用Agent2768.3數據探索和LLM2798.4總結282第9章綻放LangChain的魅力: 定制LLM輸出2839.1調整與對齊2839.1.1對齊的方法2849.1.2變革者: InstructGPT2869.1.3LLM推理過程的調整方法2879.1.4效果評估2889.2實戰案例: LangChain微調LLM2889.3提示詞工程2959.3.1提示詞的結構2959.3.2提示模板2979.3.3高級提示詞工程2989.4總結301第10章生產環境LLM30310.1引言30310.2LLM應用評估30510.2.1比較兩個輸出30610.2.2基于標準的比較30710.2.3字符串和語義比較30810.2.4基準數據集30910.3部署LLM應用31210.3.1FastAPI31410.3.2Ray31610.4監測LLM應用32010.4.1跟蹤和追蹤32110.4.2可觀測性工具32310.5LangChain回調32410.5.1異步回調32510.5.2自定義回調處理程序32710.5.3記錄到文件32810.5.4多個回調處理程序33010.5.5Token計算33310.6LangSmith33410.6.1LangSmith調試33410.6.2LangSmith樣本收集33510.6.3LangSmith測試評估33610.6.4LangSmith人工評估33610.6.5LangSmith監控33610.6.6LangSmith實戰演示33710.7總結344第11章生成式AI的未來展望34611.1當前的生成式AI34611.2未來的能力34911.3AI的社會影響35111.3.1AI和創意行業35311.3.2AI和社會經濟35411.3.3AI和教育35411.3.4AI和就業35511.3.5AI和其他行業35711.3.6AI和網絡安全35711.4應用難題探索35811.5寫在*后359參考文獻361
展開全部
LANGCHAIN與新時代生產力——AI應用開發之路 作者簡介
陸夢陽，目前任職于世界500強中排名第26位的思科公司，擔任客戶網絡系統數字化與自動化解決方案的主導工程師。期間，成功領導了多項針對全球500強企業的網絡架構自動化項目，涵蓋臺積電、香奈兒、SAP等知名企業，專注于思科DNA Center AI智能網絡日志分析的研究方向。在央企外派至肯尼亞期間，主導與當地AI數據標注公司Sama的合作，共同開發了口罩檢測及社交距離監測系統，有效地管理了建筑施工項目中的疫情風險。Sama公司作為OpenAI公司的重要數據標注供應商，為ChatGPT模型提供了大量的數據標注服務。作為項目負責人，與Sama公司的合作項目提供了參與超級大語言模型數據訓練的寶貴經驗和視角。此外，發表了《基于Transformer模型的安全事故分類研究》等學術論文，體現了在該領域的深入研究與貢獻。
書友推薦
- >
回憶愛瑪儂
- >
苦雨齋序跋文-周作人自編集
- >
經典常談
- >
龍榆生：詞曲概論/大家小書
- >
莉莉和章魚
- >
名家帶你讀魯迅:故事新編
- >
小考拉的故事-套裝共3冊
- >
伯納黛特,你要去哪(2021新版)
本類暢銷
