ChatGLM部署、微調與開發

宮繼兵

ChatGLM部署、微調與開發
  • 出版商: 機械工業
  • 出版日期: 2024-12-01
  • 定價: $654
  • 售價: 8.5 折 $556
  • 語言: 簡體中文
  • 頁數: 372
  • ISBN: 7111766423
  • ISBN-13: 9787111766421

    • 下單後立即進貨 (約4週~6週)

相關主題

商品描述

本書系統介紹了ChatGLM大語言模型的部署、微調與開發，並提供了極具參考價值的大模型應用實戰案例。所設計的學習架構包含三個核心部分：①應用技術篇。首先深入淺出地介紹什麽是人工智能和大模型，並詳細介紹“智譜清言”這一款大模型產品的使用方法，以幫助讀者獲得一個有效提升工作和學習效率的技術手段。其次，從技術和應用角度介紹了大模型的國內外研究和發展現狀，並展望了大模型未來的發展趨勢。②理論基礎篇。該部分給出了大模型相關理論、模型和任務框架，以及GLM訓練、微調、部署及評估等基礎知識，還論述了大模型與知識圖譜相結合使用的情況。③實踐案例篇。由於當前大模型技術的獨特性，目前還沒有整合大模型的集成開發環境，本書給出了一套基於當前已有工具並對其進行優化配置的開發方案，通過"新手驗證"模式，手把手教會讀者開發一套完整的案例系統。通過該系統可以學會如何應用語言大模型技術、大模型代碼生成技術、多模態大模型技術和智能體技術，同時也掌握了開發部署基於大模型技術的智能信息服務系統的實踐知識和經驗。 本書面向大模型技術興趣愛好者，也可供普通高校計算機專業本科生和研究生教學使用，還可以作為大模型應用系統設計及開發的培訓教材。

作者簡介

宮繼兵，燕山大學信息科學與工程學院計算機科學與技術系教授、博士生導師，中科院計算所博士，清華大學訪問學者，美國UIC訪問學者，燕山大學計算機系知識工程組實驗室（KEG）負責人，燕山大學-智譜AI大數據基礎模型聯合實驗室負責人。主要研究方向為通用人工智能（AGI）、大規模預訓練模型、社交網絡、知識圖譜、數據挖掘及獲取等。發表學術論文60餘篇，發明專利10餘項，承擔科研項目40餘項，參與制定IEEE P2807.4知識圖譜國際標準，擔任中國計算機學會物聯網專委會委員、中國中文信息學會社會媒體處理專委會委員、中國中文信息學會語言與知識計算專委會委員、CCF大模型論壇執行委員。獲河北省優秀指導教師、CCF優秀大學生獎指導教師，中國人工智能學會科技進步一等獎。

目錄大綱

序言一
序言二
前言
第一部分 應用技術篇
第1章 人工智能大模型概述
1.1 人工智能與大模型簡介
1.2 大模型的概念
1.3 大模型的分類
1.4 大模型的應用
1.5 大模型的國內外發展現狀
1.6 大模型的意義
1.7 本章小結
第2章 ChatGLM
2.1 智譜AI簡介
2.2 ChatGLM是怎樣煉成的
2.3 提示詞工程
2.4 ChatGLM應用案例
2.5 本章小結
第3章 大模型國內外商業應用案例
3.1 GLM企業級解決方案及十大應用案例
3.2 國內其他大模型商業應用案例
3.3 國外大模型商業應用案例
3.4 國內外大模型應用落地現狀
3.5 本章小結
第4章 大模型未來發展趨勢及挑戰
4.1 大模型技術發展趨勢
4.2 大模型產業應用趨勢
4.3 人工智能倫理與安全
4.4 大模型面臨的挑戰
4.5 本章小結
第二部分 理論基礎篇
第5章 機器學習與深度學習概述
5.1 機器學習基礎概念
5.2 深度學習基本原理
5.3 本章小結
第6章 大模型的任務與典型框架
6.1 自然語言處理大模型
6.2 電腦視覺大模型
6.3 多模態大模型
6.4 本章小結
第7章 GLM大模型預訓練、微調與評估
7.1 大模型預訓練
7.2 大模型參數微調
7.3 大模型部署
7.4 大模型評估
7.5 本章小結
第8章 大模型與知識圖譜
8.1 知識圖譜增強大模型
8.2 大模型增強知識圖譜
8.3 大模型與知識圖譜協同
8.4 知識圖譜在大模型中的應用
8.5 本章小結
第三部分 實踐案例篇
第9章 Python語言基礎
9.1 Python語言簡介
9.2 Python環境安裝配置與驗證
9.3 基本概念
9.4 數據結構
9.5 函數與模塊
9.6 面向對象編程
9.7 異常處理與調試
9.8 I/O操作與文件處理
9.9 ChatGLM開發接口與實例
9.10 本章小結
第10章 Python Web開發
10.1 Web概述
10.2 Web前端開發技術
10.3 Web前端開發工具
10.4 瀏覽器工具
10.5 Web前端開發必知標準
10.6 Web前端開發框架
10.7 Python Web開發環境搭建
10.8 FastAPI框架
10.9 Web服務和部署
10.10 ChatGLM Web應用開發實例
10.11 本章小結
第11章 數據準備
11.1 數據獲取
11.2 數據清洗
11.3 數據標註
11.4 數據增強
11.5 系統開發的數據準備
11.6 本章小結
第12章 環境搭建
12.1 軟硬件環境需求
12.2 軟件環境安裝
12.3 本章小結
第13章 本地部署ChatGLM3-6B
13.1 通過ModelScope社區下載模型
13.2 克隆倉庫
13.3 運行ChatGLM3-6B Demo
13.4 LangChain的介紹
13.5 ZhipuAI在LangChain中的使用
13.6 常見問題及解決方法
13.7 本章小結
第14章 ChatGLM微調
14.1 模型微調
14.2 部署微調的模型
14.3 本章小結
第15章 基於GLM智能體虛擬角色養成系統
15.1 需求分析
15.2 總體設計
15.3 詳細設計
15.4 系統實現
15.5 系統測試
15.6 系統使用說明
15.7 案例系統部署
15.8 本章小結
參考文獻

類似商品