ChatGLM部署、微调与开发电子书

序言一

序言二

前言

第一部分 应用技术篇

第1章 人工智能大模型概述

1.1 人工智能与大模型简介

1.2 大模型的概念

1.3 大模型的分类

1.4 大模型的应用

1.5 大模型的国内外发展现状

1.6 大模型的意义

1.7 本章小结

第2章 ChatGLM

2.1 智谱AI简介

2.2 ChatGLM是怎样炼成的

2.3 提示词工程

2.4 ChatGLM应用案例

2.5 本章小结

第3章 大模型国内外商业应用案例

3.1 GLM企业级解决方案及十大应用案例

3.2 国内其他大模型商业应用案例

3.3 国外大模型商业应用案例

3.4 国内外大模型应用落地现状

3.5 本章小结

第4章 大模型未来发展趋势及挑战

4.1 大模型技术发展趋势

4.2 大模型产业应用趋势

4.3 人工智能伦理与安全

4.4 大模型面临的挑战

4.5 本章小结

第二部分 理论基础篇

第5章 机器学习与深度学习概述

5.1 机器学习基础概念

5.2 深度学习基本原理

5.3 本章小结

第6章 大模型的任务与典型框架

6.1 自然语言处理大模型

6.2 计算机视觉大模型

6.3 多模态大模型

6.4 本章小结

第7章 GLM大模型预训练、微调与评估

7.1 大模型预训练

7.2 大模型参数微调

7.3 大模型部署

7.4 大模型评估

7.5 本章小结

第8章 大模型与知识图谱

8.1 知识图谱增强大模型

8.2 大模型增强知识图谱

8.3 大模型与知识图谱协同

8.4 知识图谱在大模型中的应用

8.5 本章小结

第三部分 实践案例篇

第9章 Python语言基础

9.1 Python语言简介

9.2 Python环境安装配置与验证

9.3 基本概念

9.4 数据结构

9.5 函数与模块

9.6 面向对象编程

9.7 异常处理与调试

9.8 I/O操作与文件处理

9.9 ChatGLM开发接口与实例

9.10 本章小结

第10章 Python Web开发

10.1 Web概述

10.2 Web前端开发技术

10.3 Web前端开发工具

10.4 浏览器工具

10.5 Web前端开发必知标准

10.6 Web前端开发框架

10.7 Python Web开发环境搭建

10.8 FastAPI框架

10.9 Web服务和部署

10.10 ChatGLM Web应用开发实例

10.11 本章小结

第11章 数据准备

11.1 数据获取

11.2 数据清洗

11.3 数据标注

11.4 数据增强

11.5 系统开发的数据准备

11.6 本章小结

第12章 环境搭建

12.1 软硬件环境需求

12.2 软件环境安装

12.3 本章小结

第13章 本地部署ChatGLM3-6B

13.1 通过ModelScope社区下载模型

13.2 克隆仓库

13.3 运行ChatGLM3-6B Demo

13.4 LangChain的介绍

13.5 ZhipuAI在LangChain中的使用

13.6 常见问题及解决方法

13.7 本章小结

第14章 ChatGLM微调

14.1 模型微调

14.2 部署微调的模型

14.3 本章小结

第15章 基于GLM智能体虚拟角色养成系统

15.1 需求分析

15.2 总体设计

15.3 详细设计

15.4 系统实现

15.5 系统测试

15.6 系统使用说明

15.7 案例系统部署

15.8 本章小结

参考文献