買這商品的人也買了...
-
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
深度學習 (Deep Learning)(繁體中文版)$1,200$1,020 -
Python Web 開發案例教程 — 使用 Flask、Tornado、Django (慕課版)$359$341 -
Keras 大神歸位：深度學習全面進化！用 Python 實作 CNN、RNN、GRU、LSTM、GAN、VAE、Transformer$1,200$1,020 -
給論文寫作者的統計指南：傻瓜也會跑統計Ⅰ, 5/e$590$561 -
$505多模態深度學習技術基礎 -
$556大規模語言模型：從理論到實踐 -
$509YOLO 目標檢測 -
LangChain 入門指南：構建高可復用、可擴展的 LLM 應用程序$505$475 -
跟 NVIDIA 學深度學習！從基本神經網路到 ......、GPT、BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$695 -
AI 時代 Math 元年 : 用 Python 全精通矩陣及線性代數$1,280$1,011 -
網絡安全等級保護安全設計技術要求（通用要求部分）應用指南$630$599 -
$454LangChain實戰：從原型到生產，動手打造 LLM 應用 -
大語言模型：原理與工程實踐$607$571 -
$439深度學習與神經網絡 -
新範式來臨 - 用 PyTorch 了解 LLM 開發微調 ChatGLM 全過程$980$647 -
網絡安全與管理（微課視頻版）$359$341 -
AI 神助攻！程式設計新境界 – GitHub Copilot 開發 Python 如虎添翼 : 提示工程、問題分解、測試案例、除錯$560$442 -
新一代 Keras 3.x 重磅回歸：跨 TensorFlow 與 PyTorch 建構 Transformer、CNN、RNN、LSTM 深度學習模型$750$593 -
Power BI 數據可視化指南：讓數據鮮活與可定製的視覺設計 (Charticulator篇)$708$673 -
極速 ChatGPT 開發者兵器指南：跨界整合 Prompt Flow、LangChain 與 Semantic Kernel 框架$680$530 -
$331LangChain編程：從入門到實踐 -
給論文寫作者的進階統計指南：傻瓜也會跑統計Ⅱ (SPSS+R), 2/e$480$432 -
LLM 的瑞士刀 - 用 LangChain 極速開發可擴充大型應用程式$880$695 -
LangChain 開發手冊 -- OpenAI × LCEL 表達式 × Agent 自動化流程 × RAG 擴展模型知識 × 圖形資料庫 × LangSmith 除錯工具$680$537
相關主題
商品描述
本書的結構由淺入深，第1章和第2章介紹大語言模型和LangChain的基礎知識，
使讀者能夠對本書內容有整體的認識，並完成運行環境的安裝配置，為後續實踐奠定基礎。
第3章至第8章詳細介紹LangChain的重要模組，包括模型調用、鏈、智能體等，深入淺出地介紹了各模組的原理與使用方式。
第9章至第11章涉及實作項目，包括對話機器人、程式碼理解、檢索增強生成，透過這些項目，
讀者能更好地理解如何基於LangChain建立自己的大語言模型應用系統。
本書適合AI應用程式開發者、對大語言模型感興趣的開發者，以及對大語言模型感興趣的高等院校學生閱讀。
目錄大綱
第1章大語言模型簡介
1.1 大語言模型定義
1.2 大語言模型的工作原理
1.3 大語言模型的應用領域
1.4 大語言模型的挑戰與前景
1.5 小結
第2章LangChain簡介
2.1 初識LangChain
2.2 環境安裝
2.3小結
第3章模型呼叫
3.1 大語言模型呼叫
3.2 對話模型呼叫
3.3 文字嵌入模型呼叫
3.4 原始碼解析
3.5 小結
第4章模型輸入輸出
4.1 提示字範本
4.2 對話提示範本
4.3 提示範例選擇器
4.4 輸出解析器
4.5 小結
第5章資料連結
5.1 文件載入器
5.2 文件轉換器
5.3 向量記憶體
5.4 檢索器
5.5 小結
第6章記憶模組
6.1 對話記憶模組
6.2 向量庫儲存記憶模組
6.3 自訂記憶模組
6.4 小結
第7章鏈
7.1 大語言模型鏈
7.2 自訂鏈
7.3 組合鏈
7.4 小結
第8章智能體
8.1 互動工具
8.2 智能體類型
8.3 建構智能體
8.4 小結
第9章實踐：對話機器人
9.1 流程概述
9.2 實現步驟
9.3 小結
第10章代碼理解
10.1 流程概述
10.2 詳細步驟
10.3 小結
第11章檢索增強生成
11.1 LCEL
11.2 流程概述
11.3 詳細步驟
11.4 小結
