大模型時代的人工智能基礎與實踐——基於OmniForce的應用開發教程

目   錄

第 1 章 導論  1

1.1 人工智能概述  1

1.1.1 人工智能的發展進程  1

1.1.2 人工智能的三大要素及其關系  2

1.1.3 人工智能的兩大學派  3

1.2 大模型技術的崛起與模型通用化  4

1.3 人工智能應用的泛在化  7

1.3.1 雲邊一體  8

1.3.2 虛實融合  9

1.3.3 開放環境  14

1.4 智能技術的普及化和低門檻化  14

1.5 小結  15

第 2 章 人工智能基礎  16

2.1 傳統機器學習  16

2.1.1 線性回歸  16

2.1.2 邏輯回歸  22

2.1.3 樸素貝葉斯  24

2.1.4 樹模型  27

2.1.5 類推方法  30

2.1.6 聚類  36

2.1.7 降維  39

2.1.8 關聯分析  45

2.1.9 集成學習  49

2.2 深度學習  56

2.2.1 單層感知機  57

2.2.2 多層感知機  59

2.2.3 捲積神經網絡  66

2.2.4 循環神經網絡  71

2.2.5 Transformer  74

2.3 電腦視覺  78

2.3.1 視覺紋理增強  78

2.3.2 視覺結構感知  83

2.3.3 視覺語義理解  88

2.3.4 視覺內容生成  93

2.4 自然語言處理  97

2.4.1 自然語言理解  97

2.4.2 自然語言生成  99

2.4.3 跨語種自然語言處理 102

2.5 多模態任務  104

2.5.1 多模態數據對齊  104

2.5.2 多模態信息理解  110

2.5.3 多模態內容生成  115

2.6 大模型與超級深度學習  121

2.6.1 大模型架構設計  121

2.6.2 大模型訓練  126

2.6.3 大模型工業化模式  137

2.6.4 大模型領域微調技術 140

2.6.5 LangChain  150

2.6.6 AI Agent  155

2.6.7 AgentGPT  158

2.6.8 LLMOps  159

2.7 自動化機器學習  161

2.7.1 自動化機器學習流水線  161

2.7.2 自動化機器學習算法 162

2.7.3 近似與加速方法  168

2.8 人工智能的可信賴性  170

2.8.1 可解釋性  170

2.8.2 穩定性  171

2.8.3 隱私保護能力  172

2.8.4 公平性  173

2.8.5 大語言模型的可信賴性  174

第 3 章 OmniForce 平臺介紹  180

3.1 支持全生命周期管理的自動化機器學習  180

3.2 以人為中心的自動化機器學習  182

3.3 OmniForce 的功能與流程  183

3.3.1 項目管理  183

3.3.2 項目創建  184

3.3.3 項目空間  185

3.3.4 多目標管理  188

3.3.5 數據管理  197

3.3.6 數據變換與標註  208

3.3.7 模型訓練  215

3.3.8 模型部署  230

3.3.9 模型推理  232

3.3.10 模型監控  234

3.3.11 文件管理  236

3.3.12 用戶中心  237

第 4 章 OmniForce 案例實踐  239

4.1 智能標註  239

4.1.1 項目目的  239

4.1.2 創建項目  239

4.1.3 自動駕駛 2D/3D 感知大模型預標註  242

4.1.4 案例總結  243

4.2 智能數字內容生成  244

4.2.1 項目目的  244

4.2.2 產品功能介紹  244

4.2.3 自定義模型部署  244

4.2.4 功能展示  245

4.3 智能表格處理  246

4.3.1 項目目的  246

4.3.2 創建項目  247

4.3.3 模型性能指標  249

4.4 智能時序預測  251

4.4.1 項目目的  251

4.4.2 創建項目  251

4.4.3 模型性能指標  254

4.5 大模型垂域微調  256

4.5.1 項目目的  256

4.5.2 創建項目  256

4.5.3 模型性能指標  258

第 5 章 大模型時代的展望  261

參考文獻  263