掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
AI賦能:大模型概念、技術(shù)及企業(yè)級(jí)項(xiàng)目應(yīng)用
中圖價(jià):¥65.3
加入購物車
AI賦能:大模型概念、技術(shù)及企業(yè)級(jí)項(xiàng)目應(yīng)用 版權(quán)信息
- ISBN：9787111769941
- 條形碼：9787111769941 ; 978-7-111-76994-1
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：
AI賦能:大模型概念、技術(shù)及企業(yè)級(jí)項(xiàng)目應(yīng)用 本書特色
聯(lián)想方案服務(wù)業(yè)務(wù)集團(tuán)大模型與智能體項(xiàng)目實(shí)踐經(jīng)驗(yàn)總結(jié)
全景式展現(xiàn)大模型產(chǎn)品生態(tài)圈及技術(shù)原理
提出大模型選型和建設(shè)標(biāo)準(zhǔn)及項(xiàng)目實(shí)施方法
企業(yè)建設(shè)、部署、應(yīng)用大模型的實(shí)用指南
AI賦能:大模型概念、技術(shù)及企業(yè)級(jí)項(xiàng)目應(yīng)用 內(nèi)容簡介
本書聚焦于大模型技術(shù)在企業(yè)中的實(shí)際應(yīng)用，幫助讀者應(yīng)用大模型為企業(yè)降本增效。全書共6章：初識(shí)大模型、大模型產(chǎn)品生態(tài)圈、大模型的技術(shù)原理、企業(yè)如何部署和應(yīng)用大模型、企業(yè)大模型項(xiàng)目的實(shí)施方法、大模型企業(yè)應(yīng)用實(shí)踐。 本書提供了詳細(xì)的大模型選型和建設(shè)標(biāo)準(zhǔn)，旨在為企業(yè)提供一份清晰的大模型建設(shè)指南，幫助讀者了解如何建設(shè)、部署和應(yīng)用大模型。本書詳細(xì)介紹了企業(yè)大模型項(xiàng)目的實(shí)施方法，從項(xiàng)目規(guī)劃到工程化部署，并通過具體的企業(yè)應(yīng)用實(shí)踐案例，展示了大模型在基座型基礎(chǔ)設(shè)施、企業(yè)知識(shí)中臺(tái)、業(yè)務(wù)知識(shí)庫、智能體及個(gè)人辦公智能輔助工具中的強(qiáng)大應(yīng)用潛力，幫助讀者在實(shí)踐中掌握應(yīng)用大模型的關(guān)鍵技術(shù)和管理能力。 本書的讀者對(duì)象為人工智能、機(jī)器學(xué)習(xí)和數(shù)據(jù)分析等領(lǐng)域的從業(yè)人員，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型和智能化應(yīng)用感興趣的企業(yè)管理者和決策者，希望通過大模型技術(shù)和實(shí)施方法增強(qiáng)自身技能的技術(shù)研究者和開發(fā)者，以及對(duì)大模型技術(shù)感興趣并希望深入了解和探索這一前沿科技及其應(yīng)用場景的讀者。
AI賦能:大模型概念、技術(shù)及企業(yè)級(jí)項(xiàng)目應(yīng)用 目錄
目錄推薦序1推薦序2前言第1章初識(shí)大模型/1.1大模型概述/1.1.1什么是大模型/1.1.2大模型的發(fā)展歷程/1.1.3大模型與傳統(tǒng)模型的區(qū)別/1.1.4大模型與人工智能的關(guān)系/1.1.5AIGC/1.1.6大模型的應(yīng)用價(jià)值/1.2大模型的特性/1.2.1縮放定律：實(shí)現(xiàn)超大參數(shù)模型的理論依據(jù)/目錄推薦序1推薦序2前言第1章初識(shí)大模型/1.1大模型概述/1.1.1什么是大模型/1.1.2大模型的發(fā)展歷程/1.1.3大模型與傳統(tǒng)模型的區(qū)別/1.1.4大模型與人工智能的關(guān)系/1.1.5AIGC/1.1.6大模型的應(yīng)用價(jià)值/1.2大模型的特性/1.2.1縮放定律：實(shí)現(xiàn)超大參數(shù)模型的理論依據(jù)/1.2.2涌現(xiàn)能力：實(shí)現(xiàn)超越人類認(rèn)知的決策和創(chuàng)新/1.2.3推理幻覺：影響大模型泛化能力和穩(wěn)定性/1.2.4知識(shí)局限：制約大模型類腦思考和深度理解/1.3大模型的分類/1.3.1按照輸入形式分類/1.3.2按照應(yīng)用范圍分類/1.3.3按照應(yīng)用場景分類/1.3.4按照部署方式分類/1.4大模型技術(shù)的典型應(yīng)用/1.4.1ToC端的典型大模型應(yīng)用/1.4.2ToB端的典型應(yīng)用/1.5大模型的不足及面臨的挑戰(zhàn)/1.5.1可靠性與穩(wěn)定性有待提升/1.5.2數(shù)學(xué)和邏輯推理能力相對(duì)不足/1.5.3形式語義理解能力需要加強(qiáng)/1.5.4黑盒模型缺乏可解釋性/1.5.5參數(shù)與數(shù)據(jù)難以穩(wěn)定增長/1.5.6計(jì)算資源開銷高昂/1.6大模型的四個(gè)發(fā)展趨勢(shì)/1.6.1行業(yè)大模型引領(lǐng)暗數(shù)據(jù)價(jià)值涌現(xiàn)/1.6.2多模態(tài)大模型引領(lǐng)行業(yè)新趨勢(shì)/1.6.3端云大模型融合/1.6.4智能體模式引領(lǐng)大模型落地/第2章大模型產(chǎn)品生態(tài)圈/2.1大模型產(chǎn)品概述/2.1.1國外知名大模型產(chǎn)品/2.1.2國內(nèi)領(lǐng)先的大模型產(chǎn)品/2.2國內(nèi)外大模型研究機(jī)構(gòu)與團(tuán)隊(duì)/2.2.1國際知名大模型研究機(jī)構(gòu)及團(tuán)隊(duì)/2.2.2國內(nèi)大模型研究機(jī)構(gòu)與團(tuán)隊(duì)/2.2.3國內(nèi)外合作與交流情況/2.3大模型產(chǎn)品評(píng)估與比較/2.3.1大模型產(chǎn)品性能評(píng)估方法綜述/2.3.2一種實(shí)用的大模型性能評(píng)估方法/2.3.3大模型產(chǎn)品評(píng)測比較/第3章大模型的技術(shù)原理/3.1大模型的基礎(chǔ)——NLP詞嵌入/3.1.1詞袋模型/3.1.2詞嵌入技術(shù)/3.1.3詞嵌入的作用/3.2大模型的核心——生成式預(yù)訓(xùn)練模型/3.2.1生成式模型/3.2.2預(yù)訓(xùn)練模型/3.2.3Transformer模型/3.3大模型的成長——預(yù)訓(xùn)練/3.3.1預(yù)訓(xùn)練目標(biāo)與策略/3.3.2預(yù)訓(xùn)練數(shù)據(jù)的獲取與處理/3.3.3分布式訓(xùn)練與并行計(jì)算/3.4大模型的優(yōu)化——提示工程與微調(diào)/3.4.1提示工程/3.4.2大模型的微調(diào)/第4章企業(yè)如何部署和應(yīng)用大模型/4.1大模型的三種建設(shè)路徑/4.1.1建設(shè)路徑一：基于商用大模型的應(yīng)用開發(fā)/4.1.2建設(shè)路徑二：基于開源通用大模型的微調(diào)優(yōu)化/4.1.3建設(shè)路徑三：從零開始構(gòu)建完整大模型/4.1.4企業(yè)選擇建設(shè)路徑的影響因素/4.2大模型的選型標(biāo)準(zhǔn)/4.2.1大模型基礎(chǔ)信息評(píng)估/4.2.2大模型性能評(píng)估/4.2.3大模型備案信息評(píng)估/4.3大模型的六類應(yīng)用模式/4.3.1插件化應(yīng)用模式/4.3.2模塊化應(yīng)用模式/4.3.3代理化應(yīng)用模式/4.3.4數(shù)據(jù)流式應(yīng)用模式/4.3.5微服務(wù)化應(yīng)用模式/4.3.6智能體化應(yīng)用模式/4.4企業(yè)部署大模型的五種方式/4.4.1作為基座基礎(chǔ)設(shè)施部署/4.4.2作為企業(yè)知識(shí)中臺(tái)部署/4.4.3作為業(yè)務(wù)知識(shí)庫升級(jí)部署/4.4.4作為智能體部署/4.4.5作為個(gè)人辦公智能輔助工具部署/4.5企業(yè)部署應(yīng)用大模型的前提/4.5.1戰(zhàn)略決策層支持/4.5.2業(yè)務(wù)需求清晰明確/4.5.3數(shù)據(jù)質(zhì)量和數(shù)據(jù)治理體系完備/4.5.4技術(shù)團(tuán)隊(duì)及能力建設(shè)匹配/4.5.5硬件基礎(chǔ)設(shè)施和技術(shù)支持/4.5.6數(shù)據(jù)隱私和合規(guī)性機(jī)制保障/4.6企業(yè)大模型建設(shè)中的風(fēng)險(xiǎn)與應(yīng)對(duì)舉措/4.6.1數(shù)據(jù)泄露和隱私問題的防范措施/4.6.2模型偏差和魯棒性的風(fēng)險(xiǎn)管理策略/4.6.3建立對(duì)新技術(shù)變化的快速響應(yīng)機(jī)制/4.6.4注重通信與溝通的透明度和規(guī)范性/4.6.5制定突發(fā)事件的危機(jī)處理預(yù)案/4.6.6建立模型退役和替換策略/第5章企業(yè)大模型項(xiàng)目的實(shí)施方法/5.1項(xiàng)目規(guī)劃/5.1.1項(xiàng)目需求分析/5.1.2確定項(xiàng)目目標(biāo)/5.1.3確定應(yīng)用模式/5.1.4確定項(xiàng)目開發(fā)內(nèi)容/5.2開發(fā)環(huán)境搭建/5.2.1開發(fā)環(huán)境搭建的基本原則/5.2.2軟硬件基礎(chǔ)設(shè)施建設(shè)/5.2.3開發(fā)平臺(tái)與軟件選擇/5.3數(shù)據(jù)準(zhǔn)備及基礎(chǔ)大模型構(gòu)建/5.3.1數(shù)據(jù)準(zhǔn)備/5.3.2向量數(shù)據(jù)庫構(gòu)建/5.3.3RAG/5.3.4基礎(chǔ)大模型集成/5.4外部插件設(shè)計(jì)開發(fā)/5.4.1外部插件需求分析/5.4.2外部插件開發(fā)流程/5.4.3外部插件的持續(xù)維護(hù)與更新/5.5智能體設(shè)計(jì)與開發(fā)/5.5.1智能體設(shè)計(jì)概述/5.5.2智能體功能開發(fā)/5.5.3智能體與環(huán)境的交互/5.6微調(diào)大模型/5.6.1標(biāo)記數(shù)據(jù)集/5.6.2加載預(yù)訓(xùn)練模型/5.6.3定義微調(diào)目標(biāo)/5.6.4設(shè)置微調(diào)策略/5.6.5微調(diào)模型/5.6.6模型評(píng)估/5.7提示工程/5.7.1確定任務(wù)目標(biāo)/5.7.2Prompt方式選擇/5.7.3提供上下文和約束/5.7.4優(yōu)化和調(diào)整/5.7.5驗(yàn)證迭代/5.8工程化部署/5.8.1前端界面設(shè)計(jì)與開發(fā)/5.8.2部署測試與上線/5.8.3維護(hù)與優(yōu)化/第6章大模型企業(yè)應(yīng)用實(shí)踐/6.1基座型基礎(chǔ)設(shè)施/6.1.1某電子制造企業(yè)基座大模型的開發(fā)與部署/6.1.2某銀行基于大模型的“智慧大腦”/6.2企業(yè)知識(shí)中臺(tái)/6.2.1某卷煙廠大語言模型驅(qū)動(dòng)的知識(shí)中臺(tái)建設(shè)背景與規(guī)劃/6.2.2項(xiàng)目實(shí)施過程概述/6.2.3項(xiàng)目總結(jié)/6.3業(yè)務(wù)知識(shí)庫/6.3.1某薄片廠基于專有大模型與AIGC技術(shù)的智能質(zhì)量知識(shí)創(chuàng)新平臺(tái)/6.3.2某電廠基于大語言模型的設(shè)備管理知識(shí)助手/6.4智能體/6.4.1某新能源電池企業(yè)基于大模型的售后供應(yīng)鏈管理與優(yōu)化系統(tǒng)/6.4.2某跑車與賽車制造企業(yè)基于智能體的大模型應(yīng)用的建設(shè)/6.5個(gè)人辦公智能輔助工具/6.5.1某國產(chǎn)汽車制造企業(yè)基于大模型的辦公超自動(dòng)化平臺(tái)/6.5.2某保險(xiǎn)公司基于多模態(tài)大模型的辦公助手
展開全部
AI賦能:大模型概念、技術(shù)及企業(yè)級(jí)項(xiàng)目應(yīng)用 相關(guān)資料
本書全面解析了大模型技術(shù)的原理與企業(yè)應(yīng)用實(shí)踐，內(nèi)容很實(shí)用。作者從基礎(chǔ)概念講起，逐步深入技術(shù)核心，再到企業(yè)實(shí)際部署與項(xiàng)目實(shí)施的方法論，構(gòu)建了系統(tǒng)化的大模型知識(shí)體系。書中不僅有理論知識(shí)的詳細(xì)闡述，更有大量企業(yè)應(yīng)用案例，能夠幫助讀者在實(shí)際工作中高效利用大模型技術(shù)推動(dòng)企業(yè)智能化升級(jí)。無論是AI領(lǐng)域的專業(yè)人士，還是對(duì)企業(yè)智能化轉(zhuǎn)型感興趣的決策者，這本書都能為你提供寶貴的指導(dǎo)和啟示，值得一讀。董長宇 廣州大學(xué)人工智能學(xué)院教授，國家高層次人才想到開發(fā)環(huán)境的精細(xì)搭建，再到數(shù)據(jù)準(zhǔn)備與基礎(chǔ)大模型構(gòu)建的詳盡步驟，作者講解得細(xì)致入微。書中通過豐富多樣的行業(yè)應(yīng)用案例，生動(dòng)展現(xiàn)了以大模型為代表的AI技術(shù)在多個(gè)領(lǐng)域?yàn)槠髽I(yè)帶來的革新與突破，推動(dòng)企業(yè)變革的無限潛能與廣闊前景。
AI賦能:大模型概念、技術(shù)及企業(yè)級(jí)項(xiàng)目應(yīng)用 作者簡介
田野，賓夕法尼亞州立大學(xué)博士，資深數(shù)據(jù)科學(xué)家，原聯(lián)想數(shù)據(jù)智能集團(tuán)突出貢獻(xiàn)專家，首席科學(xué)家，多家上市公司首席技術(shù)顧問。研究領(lǐng)域包括機(jī)器學(xué)習(xí)、人工智能、大模型及工業(yè)智能。在工藝優(yōu)化質(zhì)量控制、能耗優(yōu)化、供應(yīng)鏈優(yōu)化等領(lǐng)域具有豐富工程實(shí)踐經(jīng)驗(yàn)，主持和建設(shè)了國內(nèi)外十余家世界500強(qiáng)企業(yè)的智能化轉(zhuǎn)型和智能化應(yīng)用項(xiàng)目，擁有國內(nèi)外授權(quán)專利30余項(xiàng)。 張建偉，聯(lián)想行業(yè)智能體解決方案產(chǎn)品部總監(jiān)，中國企業(yè)數(shù)字化轉(zhuǎn)型的資深實(shí)踐者。擁有20余年大數(shù)據(jù)及智能制造領(lǐng)域從業(yè)經(jīng)驗(yàn)，對(duì)大數(shù)據(jù)應(yīng)用、數(shù)據(jù)治理、智能化應(yīng)用等相關(guān)技術(shù)和實(shí)踐有著深刻理解及豐富經(jīng)驗(yàn)。作為總架構(gòu)師，主導(dǎo)和完成了國內(nèi)數(shù)十家制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型項(xiàng)目，為中國制造業(yè)的數(shù)字化轉(zhuǎn)型探索出了一條清晰的解決之道。
書友推薦
- >
煙與鏡
- >
有舍有得是人生
- >
推拿
- >
伯納黛特,你要去哪(2021新版)
- >
苦雨齋序跋文-周作人自編集
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
羅庸西南聯(lián)大授課錄
- >
巴金－再思錄
本類暢銷
