掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>
大模型時(shí)代的人工智能基礎(chǔ)與實(shí)踐——基于OMNIFORCE的應(yīng)用開發(fā)教程
本類五星書更多>
-
>
全國計(jì)算機(jī)等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達(dá))
-
>
軟件性能測試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
大模型時(shí)代的人工智能基礎(chǔ)與實(shí)踐——基于OMNIFORCE的應(yīng)用開發(fā)教程 版權(quán)信息
- ISBN：9787302664826
- 條形碼：9787302664826 ; 978-7-302-66482-6
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
大模型時(shí)代的人工智能基礎(chǔ)與實(shí)踐——基于OMNIFORCE的應(yīng)用開發(fā)教程 本書特色
圖書特色
《大模型時(shí)代的人工智能基礎(chǔ)與實(shí)踐——基于 OmniForce 的應(yīng)用開發(fā)教程》全面、系統(tǒng)地介紹了人工智能的基礎(chǔ)理論和實(shí)踐技能，主要特色如下。
特色一：全面覆蓋與專業(yè)深化。內(nèi)容全面，包括傳統(tǒng)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺、自然語言處理等核心知識點(diǎn)，同時(shí)深入大模型與超級深度學(xué)習(xí)、自動化機(jī)器學(xué)習(xí)等前沿領(lǐng)域。
特色二：實(shí)戰(zhàn)導(dǎo)向與平臺支持。依托京東研發(fā)的 OmniForce 大模型平臺，將理論與企業(yè)實(shí)際需求相結(jié)合，提供了真實(shí)工作環(huán)境的實(shí)驗(yàn)場景。學(xué)生不僅能學(xué)習(xí)到人工智能的理論知識，還能通過實(shí)驗(yàn)平臺進(jìn)行大模型與傳統(tǒng)模型的開發(fā)實(shí)戰(zhàn)演練。
特色三：核心技能與實(shí)戰(zhàn)案例。介紹了 OmniForce 平臺的功能、流程、特點(diǎn)，并提供了豐富的實(shí)踐案例，幫助學(xué)生逐步掌握持續(xù)學(xué)習(xí)、指令精調(diào)、人工反饋等大模型開發(fā)過程中的核心技能。
大模型時(shí)代的人工智能基礎(chǔ)與實(shí)踐——基于OMNIFORCE的應(yīng)用開發(fā)教程 內(nèi)容簡介
"《大模型時(shí)代的人工智能基礎(chǔ)與實(shí)踐——基于 OmniForce 的應(yīng)用開發(fā)教程》由京東探索研究院及京東教育聯(lián)袂撰寫，圖文并茂地介紹傳統(tǒng)人工智能和新一代人工智能（基于大模型的通用人工智能技術(shù)），展示人工智能廣闊的應(yīng)用場景。同時(shí)，本書介紹新一代人工智能模型 OmniForce 實(shí)訓(xùn)平臺的操作，幫助讀者深入學(xué)習(xí)人工智能理論并輕松創(chuàng)建自己的人工智能應(yīng)用或服務(wù)。 《大模型時(shí)代的人工智能基礎(chǔ)與實(shí)踐——基于 OmniForce 的應(yīng)用開發(fā)教程》面向計(jì)算機(jī)相關(guān)專業(yè)的低年級本科生，也面向企業(yè)用戶及人工智能從業(yè)者、愛好者，是讀者了解并實(shí)踐人工智能（特別是基于大模型的新一代人工智能）的理想選擇。 "
大模型時(shí)代的人工智能基礎(chǔ)與實(shí)踐——基于OMNIFORCE的應(yīng)用開發(fā)教程 目錄
第 1 章 導(dǎo)論 1
1.1 人工智能概述 1
1.1.1 人工智能的發(fā)展進(jìn)程 1
1.1.2 人工智能的三大要素及其關(guān)系 2
1.1.3 人工智能的兩大學(xué)派 3
1.2 大模型技術(shù)的崛起與模型通用化 4
1.3 人工智能應(yīng)用的泛在化 7
1.3.1 云邊一體 8
1.3.2 虛實(shí)融合 9
1.3.3 開放環(huán)境 14
1.4 智能技術(shù)的普及化和低門檻化 14
1.5 小結(jié) 15
第 2 章 人工智能基礎(chǔ) 16
2.1 傳統(tǒng)機(jī)器學(xué)習(xí) 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(guān)聯(lián)分析 45
2.1.9 集成學(xué)習(xí) 49
2.2 深度學(xué)習(xí) 56
2.2.1 單層感知機(jī) 57
2.2.2 多層感知機(jī) 59
2.2.3 卷積神經(jīng)網(wǎng)絡(luò) 66
2.2.4 循環(huán)神經(jīng)網(wǎng)絡(luò) 71
2.2.5 Transformer 74
2.3 計(jì)算機(jī)視覺 78
2.3.1 視覺紋理增強(qiáng) 78
2.3.2 視覺結(jié)構(gòu)感知 83
2.3.3 視覺語義理解 88
2.3.4 視覺內(nèi)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(tài)任務(wù) 104
2.5.1 多模態(tài)數(shù)據(jù)對齊 104
2.5.2 多模態(tài)信息理解 110
2.5.3 多模態(tài)內(nèi)容生成 115
2.6 大模型與超級深度學(xué)習(xí) 121
2.6.1 大模型架構(gòu)設(shè)計(jì) 121
2.6.2 大模型訓(xùn)練 126
2.6.3 大模型工業(yè)化模式 137
2.6.4 大模型領(lǐng)域微調(diào)技術(shù) 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(jī)器學(xué)習(xí) 161
2.7.1 自動化機(jī)器學(xué)習(xí)流水線 161
2.7.2 自動化機(jī)器學(xué)習(xí)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(wěn)定性 171
2.8.3 隱私保護(hù)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(jī)器學(xué)習(xí) 180
3.2 以人為中心的自動化機(jī)器學(xué)習(xí) 182
3.3 OmniForce 的功能與流程 183
3.3.1 項(xiàng)目管理 183
3.3.2 項(xiàng)目創(chuàng)建 184
3.3.3 項(xiàng)目空間 185
3.3.4 多目標(biāo)管理 188
3.3.5 數(shù)據(jù)管理 197
3.3.6 數(shù)據(jù)變換與標(biāo)注 208
3.3.7 模型訓(xùn)練 215
3.3.8 模型部署 230
3.3.9 模型推理 232
3.3.10 模型監(jiān)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(shí)踐 239
4.1 智能標(biāo)注 239
4.1.1 項(xiàng)目目的 239
4.1.2 創(chuàng)建項(xiàng)目 239
4.1.3 自動駕駛 2D/3D 感知大模型預(yù)標(biāo)注 242
4.1.4 案例總結(jié) 243
4.2 智能數(shù)字內(nèi)容生成 244
4.2.1 項(xiàng)目目的 244
4.2.2 產(chǎn)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(xiàng)目目的 246
4.3.2 創(chuàng)建項(xiàng)目 247
4.3.3 模型性能指標(biāo) 249
4.4 智能時(shí)序預(yù)測 251
4.4.1 項(xiàng)目目的 251
4.4.2 創(chuàng)建項(xiàng)目 251
4.4.3 模型性能指標(biāo) 254
4.5 大模型垂域微調(diào) 256
4.5.1 項(xiàng)目目的 256
4.5.2 創(chuàng)建項(xiàng)目 256
4.5.3 模型性能指標(biāo) 258
第 5 章 大模型時(shí)代的展望 261
參考文獻(xiàn) 263
1.1 人工智能概述 1
1.1.1 人工智能的發(fā)展進(jìn)程 1
1.1.2 人工智能的三大要素及其關(guān)系 2
1.1.3 人工智能的兩大學(xué)派 3
1.2 大模型技術(shù)的崛起與模型通用化 4
1.3 人工智能應(yīng)用的泛在化 7
1.3.1 云邊一體 8
1.3.2 虛實(shí)融合 9
1.3.3 開放環(huán)境 14
1.4 智能技術(shù)的普及化和低門檻化 14
1.5 小結(jié) 15
第 2 章 人工智能基礎(chǔ) 16
2.1 傳統(tǒng)機(jī)器學(xué)習(xí) 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(guān)聯(lián)分析 45
2.1.9 集成學(xué)習(xí) 49
2.2 深度學(xué)習(xí) 56
2.2.1 單層感知機(jī) 57
2.2.2 多層感知機(jī) 59
2.2.3 卷積神經(jīng)網(wǎng)絡(luò) 66
2.2.4 循環(huán)神經(jīng)網(wǎng)絡(luò) 71
2.2.5 Transformer 74
2.3 計(jì)算機(jī)視覺 78
2.3.1 視覺紋理增強(qiáng) 78
2.3.2 視覺結(jié)構(gòu)感知 83
2.3.3 視覺語義理解 88
2.3.4 視覺內(nèi)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(tài)任務(wù) 104
2.5.1 多模態(tài)數(shù)據(jù)對齊 104
2.5.2 多模態(tài)信息理解 110
2.5.3 多模態(tài)內(nèi)容生成 115
2.6 大模型與超級深度學(xué)習(xí) 121
2.6.1 大模型架構(gòu)設(shè)計(jì) 121
2.6.2 大模型訓(xùn)練 126
2.6.3 大模型工業(yè)化模式 137
2.6.4 大模型領(lǐng)域微調(diào)技術(shù) 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(jī)器學(xué)習(xí) 161
2.7.1 自動化機(jī)器學(xué)習(xí)流水線 161
2.7.2 自動化機(jī)器學(xué)習(xí)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(wěn)定性 171
2.8.3 隱私保護(hù)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(jī)器學(xué)習(xí) 180
3.2 以人為中心的自動化機(jī)器學(xué)習(xí) 182
3.3 OmniForce 的功能與流程 183
3.3.1 項(xiàng)目管理 183
3.3.2 項(xiàng)目創(chuàng)建 184
3.3.3 項(xiàng)目空間 185
3.3.4 多目標(biāo)管理 188
3.3.5 數(shù)據(jù)管理 197
3.3.6 數(shù)據(jù)變換與標(biāo)注 208
3.3.7 模型訓(xùn)練 215
3.3.8 模型部署 230
3.3.9 模型推理 232
3.3.10 模型監(jiān)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(shí)踐 239
4.1 智能標(biāo)注 239
4.1.1 項(xiàng)目目的 239
4.1.2 創(chuàng)建項(xiàng)目 239
4.1.3 自動駕駛 2D/3D 感知大模型預(yù)標(biāo)注 242
4.1.4 案例總結(jié) 243
4.2 智能數(shù)字內(nèi)容生成 244
4.2.1 項(xiàng)目目的 244
4.2.2 產(chǎn)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(xiàng)目目的 246
4.3.2 創(chuàng)建項(xiàng)目 247
4.3.3 模型性能指標(biāo) 249
4.4 智能時(shí)序預(yù)測 251
4.4.1 項(xiàng)目目的 251
4.4.2 創(chuàng)建項(xiàng)目 251
4.4.3 模型性能指標(biāo) 254
4.5 大模型垂域微調(diào) 256
4.5.1 項(xiàng)目目的 256
4.5.2 創(chuàng)建項(xiàng)目 256
4.5.3 模型性能指標(biāo) 258
第 5 章 大模型時(shí)代的展望 261
參考文獻(xiàn) 263
展開全部
大模型時(shí)代的人工智能基礎(chǔ)與實(shí)踐——基于OMNIFORCE的應(yīng)用開發(fā)教程 作者簡介
薛超，京東探索研究院算法科學(xué)家，基礎(chǔ)大模型與系統(tǒng)部機(jī)構(gòu)負(fù)責(zé)人，主要負(fù)責(zé)京東基礎(chǔ)大模型的研發(fā)工作；于 IBM 研究院任職 10 年，加入京東之前，任 IBM 神經(jīng)網(wǎng)絡(luò)搜索全球聯(lián)合負(fù)責(zé)人、中國研究院高級研究員；主導(dǎo)并參與了多項(xiàng)云計(jì)算平臺的大數(shù)據(jù)服務(wù)、自動化機(jī)器學(xué)習(xí)服務(wù)在國內(nèi)外大型企業(yè) 的研發(fā)與落地，近年來致力于大模型的訓(xùn)練和推理技術(shù)研究工作；NeurIPS、CVPR、AAAI、ACL、ECCV、TPAMI、TNNLS、
PACT 等人工智能和計(jì)算機(jī)體系結(jié)構(gòu)等國際頂級會議上發(fā)表多篇文章；授權(quán)美國發(fā)明專利 40 余項(xiàng)。
王超岳，從事人工智能生成內(nèi)容 (AIGC) 及其相關(guān)的機(jī)器學(xué)習(xí)領(lǐng)域的研究工作，取得科研成果 40 余項(xiàng)；以第一作者或通訊作者在 IEEE T-PAMI 等國際頂級學(xué)術(shù)期刊和 NeurIPS、 CVPR 等國際頂級會議上發(fā)表論文 10 余篇；受到中國環(huán)球電視網(wǎng)（CGTN）、《麻省理工科技評論（MIT TR）》、《環(huán)球科學(xué)》、雷峰網(wǎng)等多家媒體的采訪和報(bào)道；一作論文 TDGAN 斬獲 IJCAI-17 唯一杰出學(xué)生論文獎(jiǎng)，一作論文 E-GAN 被 MITTR 評選為 ArXiV 當(dāng)周最具啟發(fā)性論文；2022 年?duì)款^撰寫了首本中國官方《AIGC 白皮書》，定義 AIGC 技術(shù)體系和發(fā)展方向。薛超，京東探索研究院算法科學(xué)家，基礎(chǔ)大模型與系統(tǒng)部機(jī)構(gòu)負(fù)責(zé)人，主要負(fù)責(zé)京東基礎(chǔ)大模型的研發(fā)工作；于 IBM 研究院任職 10 年，加入京東之前，任 IBM 神經(jīng)網(wǎng)絡(luò)搜索全球聯(lián)合負(fù)責(zé)人、中國研究院高級研究員；主導(dǎo)并參與了多項(xiàng)云計(jì)算平臺的大數(shù)據(jù)服務(wù)、自動化機(jī)器學(xué)習(xí)服務(wù)在國內(nèi)外大型企業(yè) 的研發(fā)與落地，近年來致力于大模型的訓(xùn)練和推理技術(shù)研究工作；NeurIPS、CVPR、AAAI、ACL、ECCV、TPAMI、TNNLS、
PACT 等人工智能和計(jì)算機(jī)體系結(jié)構(gòu)等國際頂級會議上發(fā)表多篇文章；授權(quán)美國發(fā)明專利 40 余項(xiàng)。
王超岳，從事人工智能生成內(nèi)容 (AIGC) 及其相關(guān)的機(jī)器學(xué)習(xí)領(lǐng)域的研究工作，取得科研成果 40 余項(xiàng)；以第一作者或通訊作者在 IEEE T-PAMI 等國際頂級學(xué)術(shù)期刊和 NeurIPS、 CVPR 等國際頂級會議上發(fā)表論文 10 余篇；受到中國環(huán)球電視網(wǎng)（CGTN）、《麻省理工科技評論（MIT TR）》、《環(huán)球科學(xué)》、雷峰網(wǎng)等多家媒體的采訪和報(bào)道；一作論文 TDGAN 斬獲 IJCAI-17 唯一杰出學(xué)生論文獎(jiǎng)，一作論文 E-GAN 被 MITTR 評選為 ArXiV 當(dāng)周最具啟發(fā)性論文；2022 年?duì)款^撰寫了首本中國官方《AIGC 白皮書》，定義 AIGC 技術(shù)體系和發(fā)展方向。
陶大程，悉尼大學(xué) Peter Nicol Russel 講席教授，澳大利亞桂冠教授，ACM、AAAS、IEEE Fellow，歐洲科學(xué)院外籍院士，發(fā)展中國家科學(xué)院院士，新南威爾士皇家學(xué)院院士，澳大利亞科學(xué)院院士，曾任京東集團(tuán)探索研究院首任院長、京東集團(tuán)高級副總裁；2021 年榮獲 IEEE Computer Society Edward J Mc- Cluskey 技術(shù)成就獎(jiǎng)，2018年榮獲 IEEE ICDM 研究貢獻(xiàn)獎(jiǎng)， 2015 和 2020 年兩度榮獲澳大利亞尤里卡獎(jiǎng)，2015年和2020年分別榮獲悉尼科技大學(xué)校長獎(jiǎng)?wù)潞拖つ岽髮W(xué)校長杰出研究貢獻(xiàn)獎(jiǎng)，2020 年被《澳大利亞人報(bào)》列入“終身成就排行榜”；自 2014年起，連續(xù)9年入選科睿唯安“全球高被引科學(xué)家”。
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
伯納黛特,你要去哪(2021新版)
- >
詩經(jīng)-先民的歌唱
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
我與地壇
- >
回憶愛瑪儂
本類暢銷
