1）门友好：本书特别注重基础知识的讲解，避免了深奥难懂的技术细节，使得即使是大模型领域的初学者也能轻松理解核心概念，快速实践阶段，避免了学习初期的迷茫和挫败感。2）理论够用：提供了对大模型工作流程、Transformer架构、提示工程技术、模型微调技巧等关键技术的深度剖析。通过详细的案例分析和操作指南，帮助读者深刻理解这些技术背后的原理和应用场景，提高解决问题的能力。3）实战导向：强调提示工程的实际应用，介绍了一系列经过验证的提示设计和优化方法。通过实战演练，读者不仅能学到理论知识，更能掌握如何利用这些知识来改善大模型的性能，实现预期的输出结果。4）案例丰富：涵盖了多个行业的实际应用案例，包括但不限于金融、医疗、教育等领域。这些案例不仅展示了大模型的广泛应用前景，也为读者提供了丰富的参考和借鉴，帮助他们在自己的项目中找到合适的解决方案。5）全程指导：每个案例都从需求分析始，到环境搭建、代码实现，最后到测试和部署，提供了一站式的全流程指导。读者可以在每个环节中获得具体的建议和支持，确保项目的顺利行，最终达到最佳的应用效果。
售 价：¥
纸质售价：¥74.20购买纸书
6.4
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
前言
第1章 大模型概述
1.1 大模型的概念
1.2 大模型的应用现状
1.3 大模型存在的问题
1.4 大模型的发展趋势
1.5 本章小结
第2章 大模型核心技术
2.1 大模型构建流程
2.2 Transformer模型
2.3 模型微调
2.4 对齐优化
2.5 提示工程
2.6 本章小结
第3章 大模型技术拓展
3.1 推理优化技术
3.2 大模型训练技术
3.3 大模型评估
3.4 大模型部署
3.5 本章小结
第4章 插件应用开发实践
4.1 应用概述
4.2 天气查询插件开发
4.3 语音交互插件开发
4.4 本章小结
第5章 RAG实践
5.1 应用概述
5.2 RAG流程
5.3 环境构建
5.4 应用实践
5.5 本章小结
第6章 智能客服问答实践
6.1 应用概述
6.2 环境构建
6.3 应用开发
6.4 应用部署
6.5 本章小结
第7章 学科知识问答实践
7.1 应用概述
7.2 环境构建
7.3 学科知识图谱
7.4 应用开发
7.5 本章小结
第8章 法律领域应用实践
8.1 应用概述
8.2 对话数据微调
8.3 指令微调
8.4 部署验证
8.5 本章小结
第9章 医疗领域应用实践
9.1 应用概述
9.2 医疗数据集构建
9.3 增量预训练与微调
9.4 部署验证
9.5 模型评估
9.6 本章小结
第10章 智能助写平台实践
10.1 应用概述
10.2 业务逻辑
10.3 功能实现
10.4 本章小结
附录 大模型的发展阶段
A.1 统计语言模型
A.2 神经网络语言模型
A.3 预训练语言模型
A.4 大语言模型
推荐阅读
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
