| | | ChatGPT原理實戰與軟件開發(套裝共2冊) | 該商品所屬分類:計算機/網絡 -> 計算機/網絡 | 【市場價】 | 980-1422元 | 【優惠價】 | 613-889元 | 【作者】 | 美陳斌、劉聰、杜振東、塗銘、瀋盛宇 | 【所屬類別】 | 圖書 計算機/網絡 人工智能 機器學習 | 【出版社】 | 機械工業出版社 | 【ISBN】 | 29733655 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
開本:16開 紙張:膠版紙 包裝:平裝-膠訂 是否套裝:是 國際標準書號ISBN:29733655 作者:[美]陳斌、劉聰、杜振東、塗銘、瀋盛宇 出版社:機械工業出版社 出版時間:2024年06月 
" 內容簡介 《ChatGPT原理實戰》: 《ChatGPT原理實戰》是一本繫統梳理並深入解析ChatGPT核心技術、算法實現、工作原理、訓練方法的著作,也是一本能指導你搭建專屬ChatGPT和實現大模型遷移及私有化的著作。 《ChatGPT原理實戰》得到了MOSS繫統負責人邱錫鵬等多位專家的高度評價和鼎力推薦。具體地,通過《ChatGPT原理實戰》你能了解或掌握以下知識: ChatGPT的工作流程和技術棧 ChatGPT的工作原理和算法實現 基於Transformer架構的一繫列預訓練語言模型的原理 強化學習的基礎知識 提示學習與大模型湧現出的上下文學習、思維鏈《ChatGPT原理實戰》: 《ChatGPT原理實戰》是一本繫統梳理並深入解析ChatGPT核心技術、算法實現、工作原理、訓練方法的著作,也是一本能指導你搭建專屬ChatGPT和實現大模型遷移及私有化的著作。 《ChatGPT原理實戰》得到了MOSS繫統負責人邱錫鵬等多位專家的高度評價和鼎力推薦。具體地,通過《ChatGPT原理實戰》你能了解或掌握以下知識: ChatGPT的工作流程和技術棧 ChatGPT的工作原理和算法實現 基於Transformer架構的一繫列預訓練語言模型的原理 強化學習的基礎知識 提示學習與大模型湧現出的上下文學習、思維鏈 大模型的訓練方法及常見的分布式訓練框架 基於人工反饋的強化學習整體框架 從零搭建類ChatGPT模型,模擬完整的ChatGPT訓練過程 《ChatGPT原理實戰》集理論、實戰和產業應用於一體,提供大量經詳細注釋的代碼,方便讀者理解和實操。總之,不管你是想深入研究ChatGPT本身,還是正在研發或使用其他大模型,《ChatGPT原理實戰》都應該能給你頗具價值的技術啟發與思考,讓你在大模型的路上快速前行,少走彎路。
《ChatGPT驅動軟件開發》: 《ChatGPT驅動軟件開發》是一本講解以ChatGPT/GPT-4為代表的大模型如何為軟件研發全生命周期賦能的實戰性著作。它以軟件研發全生命周期為主線,詳細講解了ChatGPT/GPT-4在軟件產品的需求分析、架構設計、技術棧選擇、高層設計、數據庫設計、UI/UX設計、後端應用開發、Web前端開發、軟件測試、繫統運維、技術管理等各個環節的應用場景和方法,讓讀者深刻地感受到ChatGPT/GPT-4在革新傳統軟件工程的方式和方法的同時,還帶來了研發效率和研發質量的大幅度提升。 更為重要的是,《ChatGPT驅動軟件開發》能幫助架構師、開發工程師、數據庫工程師、測試工程師、運維工程師、項目經理、產品經理、UI/UX工程師和技術管理者深入地理解ChatGPT/GPT-4的原理和應用,全面塑造他們在AI時代的核心競爭力,實現價值創新並形成競爭優勢,為未來的發展奠定基礎。 作者在《ChatGPT驅動軟件開發》中創新性地提出了大模型時代的軟件研發新範式——水母開發模式(頂部大、底部小)。該模式將研發活動分成6個層次,分別對應軟件研發生命周期的分析、設計、編碼、測試、部署和維護。其中分析和設計層的工作量大很多,類似水母的頭部;其餘4個層次的工作量較少,類似水母的觸手。 除此之外,《ChatGPT驅動軟件開發》還給出了工程師們與ChatGPT互動(Prompt)的步驟和注意事項,整個過程分為6步,隻要遵循這6步就能比較容易地獲得較為滿意的輸出結果。 作者簡介 劉聰,資深NLP技術專家和AI技術專家,南京雲問科技首席算法架構師,MLNLP(機器學習算法與自然語言處理)社區學術委員。主攻文本向量表征、問答繫統、AIGC等技術方向,是大模型領域的先驅者和布道者。開源了中文Unilm預訓練模型、中文GPT2、誇誇閑聊機器人(ChatBot)、大模型微調等項目。作為主要負責人,在多項自然語言處理比賽中獲得前三名,在中文核心期刊和SCI發表多篇論文,有多項發明專利。知乎ID為“劉聰NLP”,擁有公眾號“NLP工作站”。
杜振東,資深NLP技術專家和Al技術專家,南京雲問科技NLP研究院院長,國家人工智能標準委專家、AIIA人工智能技術專家、CCF智能機器人專業組首批委員。擁有10年機器學習與文本挖掘經驗,8年中文自然語言處理實戰經驗,參與制定6項國家人工智能總體組標準,編著有《會話式AI》《人工智能實踐錄》等書。 劉聰,資深NLP技術專家和AI技術專家,南京雲問科技首席算法架構師,MLNLP(機器學習算法與自然語言處理)社區學術委員。主攻文本向量表征、問答繫統、AIGC等技術方向,是大模型領域的先驅者和布道者。開源了中文Unilm預訓練模型、中文GPT2、誇誇閑聊機器人(ChatBot)、大模型微調等項目。作為主要負責人,在多項自然語言處理比賽中獲得前三名,在中文核心期刊和SCI發表多篇論文,有多項發明專利。知乎ID為“劉聰NLP”,擁有公眾號“NLP工作站”。
杜振東,資深NLP技術專家和Al技術專家,南京雲問科技NLP研究院院長,國家人工智能標準委專家、AIIA人工智能技術專家、CCF智能機器人專業組首批委員。擁有10年機器學習與文本挖掘經驗,8年中文自然語言處理實戰經驗,參與制定6項國家人工智能總體組標準,編著有《會話式AI》《人工智能實踐錄》等書。
塗銘,資深AI架構師和大數據架構師,現就職於BAT,對NLP、圖像識別、大數據等領域有深入研究,實戰經驗豐富。在NLP方面,擔任導購機器人項目的架構師,主導開發機器人的語義理解、短文本相似度匹配、上下文理解等功能。在工業領域曾參與了燃煤優化、設備故障診斷、新能源光伏電池片和組件EL圖像檢測等項目。著有《Python自然語言處理實戰:核心技術與算法》《深度學習與圖像識別:原理與實踐》等暢銷書。
瀋盛宇,資深算法工程師,南京雲問科技算法組負責人。擅長結合用戶業務場景,有針對性地設計知識圖譜、問答、檢索、多模態、AIGC等的相關算法和落地方案。在結合客戶現有產品體繫,推動數據中臺和算法平臺結合,從而提升服務質量方面,有豐富實戰經驗。曾獲得多項國家專利,參與制定和撰寫《IDP術語標準》《人工智能-智能助理能力等級評估標準》《人工智能標準化與開源研究報告》等多項國家人工智能標準和報告。
陳斌,資深技術專家,IT技術領域的領軍人物,有超過30年的支付、軟件研發、技術架構、繫統運維、技術管理經驗。對人工智能技術及其應用有深入研究,對大模型在軟件工程中的應用有豐富的實踐經驗。現任職日本華人支付創業企業NetStars的CTO,曾擔任易寶支付的CTO、ebay/PayPal的高級架構師、Nokia美國的首席工程師。 CTO領袖聯盟的聯***和中國互聯網技術百人會的理事長。從傳統的大型計算機核心技術,到互聯網技術應用,再到大數據、雲計算、生物特征識別和金融科技,他都有非常豐富的實踐經驗。努力推動互聯網技術與傳統產業的結合,曾經多次參加“互聯網大篷車”活動,足跡遍及中國大江南北的傳統企業。 經常在中國、美國和日本的互聯網行業論壇分享知識和經驗,也在多所中國和日本的知名大學裡教授互聯網支付、金融科技和互聯網技術管理等課程。著有暢銷書《一本書讀懂支付》,翻譯並出版了《架構即未來》《架構真經》《數據即未來》等多部經典著作。 目錄 《ChatGPT原理實戰》: 贊譽 前言
第1章 了解ChatGPT 1.1 ChatGPT的由來 1.1.1 什麼是ChatGPT 1.1.2 ChatGPT的發展歷史 1.2 ChatGPT的工作流程 1.3 ChatGPT用例 1.3.1 日常任務 1.3.2 編寫代碼 1.3.3 文本生成 1.3.4 辦公自動化《ChatGPT原理實戰》: 贊譽 前言
第1章 了解ChatGPT 1.1 ChatGPT的由來 1.1.1 什麼是ChatGPT 1.1.2 ChatGPT的發展歷史 1.2 ChatGPT的工作流程 1.3 ChatGPT用例 1.3.1 日常任務 1.3.2 編寫代碼 1.3.3 文本生成 1.3.4 辦公自動化 1.4 本章小結
第2章 ChatGPT原理解構 2.1 背景知識 2.1.1 自然語言處理的發展歷程 2.1.2 大型語言模型的發展歷程 2.2 ChatGPT同類產品 2.2.1 BlenderBot3.0 2.2.2 LaMDA 2.2.3 Sparrow 2.3 ChatGPT的工作原理 2.3.1 預訓練與提示學習階段 2.3.2 結果評價與獎勵建模階段 2.3.3 強化學習與自我進化階段 2.4 算法細節 2.4.1 標注數據 2.4.2 建模思路 2.4.3 存在的問題 2.5 關於ChatGPT的思考 2.6 本章小結
第3章 預訓練語言模型 3.1 Transformer結構 3.2 基於Encoder結構的模型 3.2.1 BERT 3.2.2 RoBERTa 3.2.3 ERNIE 3.2.4 SpanBERT 3.2.5 MacBERT 3.2.6 ALBERT 3.2.7 NeZha 3.2.8 UniLM 3.2.9 GLM 3.2.1 0ELECTRA 3.3 基於Decoder結構的模型 3.3.1 GPT 3.3.2 CPM 3.3.3 PaLM 3.3.4 OPT 3.3.5 Bloom 3.3.6 LLaMA 3.4 基於Encoder-Decoder結構的模型 3.4.1 MASS 3.4.2 BART 3.4.3 T5 3.5 基於誇誇閑聊數據的UniLM模型實戰 3.5.1 項目簡介 3.5.2 數據預處理模塊 3.5.3 UniLM模型模塊 3.5.4 模型訓練模塊 3.5.5 模型推理模塊 3.6 本章小結
第4章 強化學習基礎 4.1 機器學習的分類 4.1.1 有監督學習 4.1.2 無監督學習 4.1.3 強化學習 4.2 OpenAIGym 4.2.1 OpenAIGymAPI簡介 4.2.2 環境簡介 4.3 強化學習算法 4.3.1 Q-learning算法 4.3.2 SARSA算法 4.3.3 DQN算法 4.3.4 PolicyGradient算法 4.3.5 Actor-Critic算法 4.4 本章小結
第5章 提示學習與大型語言模型的湧現 5.1 提示學習 5.1.1 什麼是提示學習 5.1.2 提示模板設計 5.1.3 答案空間映射設計 5.1.4 多提示學習方法 5.2 上下文學習 5.2.1 什麼是上下文學習 5.2.2 預訓練階段提升上下文學習能力 5.2.3 推理階段優化上下文學習的效果 5.3 思維鏈 5.4 基於提示的文本情感分析實戰 5.4.1 項目簡介 5.4.2 數據預處理模塊 5.4.3 BERT模型模塊 5.4.4 模型訓練模塊 5.4.5 模型推理模塊 5.5 本章小結 ……
第6章 大型語言模型預訓練 第7章 GPT繫列模型分析 第8章 PPO算法與RLHF理論實戰 第9章 類ChatGPT實戰 第10章 ChatGPT發展趨勢
《ChatGPT驅動軟件開發》: 序 前言
第1章 ChatGPT與軟件開發 1.1 技術發展對軟件開發的影響 1.2 ChatGPT對編程的影響 1.3 ChatGPT對軟件開發模式的影響 1.4 適合ChatGPT的水母開發模式 1.5 ChatGPT對開發工程師的影響 1.6 與ChatGPT溝通的技巧 1.7 小結
第2章 ChatGPT驅動需求分析 2.1 借助ChatGPT收集用戶需求 2.2 借助ChatGPT分析用戶需求 2.3 借助ChatGPT優化用戶需求 2.4 ChatGPT生成需求規格說明書 2.5 小結
第3章 ChatGPT驅動架構設計 3.1 架構設計的過程 3.2 微服務架構簡介 3.3 微服務架構設計原則 3.4 架構設計的思維框架 3.5 ChatGPT生成TMS微服務架構 3.6 小結
第4章 ChatGPT驅動技術棧選擇 4.1 技術棧的基本概念 4.2 目前的主流技術棧及其比較 4.3 選擇技術棧的原則 4.4 TMS技術棧選擇 4.5 小結
第5章 ChatGPT驅動高層設計 5.1 高層設計的主要文檔 5.2 高層設計的原則 5.3 ChatGPT輔助TMS高層設計 5.4 小結
第6章 ChatGPT驅動數據庫設計 6.1 數據庫設計與ChatGPT的協作 6.2 生成數據庫表結構應該遵循的原則 6.3 利用ChatGPT完成數據庫設計 6.4 利用ChatGPT基於數據生成數據庫表結構 6.5 ChatGPT驅動TMS數據庫創建 6.6 小結
第7章 ChatGPT驅動UI/UX設計 7.1 利用ChatGPT指導UI/UX的設計原則 7.2 利用ChatGPT從UI/UX角度分析用戶需求 7.3 利用ChatGPT完成TMS界面設計 7.4 小結
第8章 ChatGPT驅動後端應用開發 8.1 後端概述 8.2 API基本概念 8.3 API設計原則 8.4 Chat | | | | | |