大模型十講
李崇軒
- 出版商: 機械工業
- 出版日期: 2025-09-01
- 售價: $594
- 貴賓價: 9.5 折 $564
- 語言: 簡體中文
- 頁數: 318
- ISBN: 711178555X
- ISBN-13: 9787111785552
-
相關分類:
Large language model
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
深入理解計算機系統, 3/e (Computer Systems: A Programmer's Perspective, 3/e)$834$792 -
$434高等量子力學, 4/e -
微積分勝典 (微積分究竟在說什麼？進階版)$550$495 -
深度強化式學習 (Deep Reinforcement Learning in Action)$1,000$790 -
Development of Quantum Theory from Physical Principles: Quantum Mechanics Without Waves (Paperback)$1,060$1,039 -
$594多旋翼無人機系統：理論、算例和硬件實驗 -
向量分析, 2/e$480$470 -
設計機器學習系統｜迭代開發生產環境就緒的 ML 程式 (Designing Machine Learning Systems: An Iterative Process for Production-Ready Applications)$780$616 -
$559大語言模型應用指南：以 ChatGPT 為起點，從入門到精通的 AI 實踐教程 (全彩) -
$355多旋翼無人機技術基礎 -
AI 應用程式開發｜活用 ChatGPT 與 LLM 技術開發實作, 2/e (Developing Apps with GPT-4 and ChatGPT: Build Intelligent Chatbots, Content Generators, and More, 2/e)$680$537 -
AI 芯片：科技探索與 AGI 願景$1,194$1,134 -
深度學習最佳入門與專題實戰：自然語言處理、大型語言模型與強化學習篇$880$695 -
圖解線性代數, 2/e$500$450 -
AI 工程｜從基礎模型建構應用 (AI Engineering : Building Applications with Foundation Models)$1,200$948 -
本地端 Ollama × LangChain × LangGraph × LangSmith 開發手冊：打造 RAG、Agent、SQL 應用$750$593 -
零基礎實戰 AI 大模型：原理、構建與優化$594$564 -
Ollama 本地 AI 全方位攻略：命令列功能、五大主題測試、RAG、Vibe Coding、MCP，一本搞定所有實戰應用$750$593 -
LLM 語意理解與生成技術完全開發 (Hands-On Large Language Models)$980$774 -
台灣 AI 大未來：解析最新的 AI 趨勢、台灣情勢、企業布局與個人發展$400$340 -
人工智能與大模型應用基礎（微課版）$359$341 -
解碼大模型：原理與實戰$594$564 -
實用 DeepSeek 技術 - 開發真正可用的 LLM 應用程式$880$695 -
ChatGPT × Google Apps Script 雲端自動化實戰：從構想到上線，跟重複的例行工作說再見！$620$490 -
GitHub Copilot 學習手冊｜效率倍增的 AI 程式設計力 (Learning Github Copilot: Multiplying Your Coding Productivity Using AI)$720$569
相關主題
商品描述
大模型通過在海量數據上進行學習得到通用知識和模式，在自然語言處理、計算機視覺和強化學習等領域表現出強大的通用性和遷移學習能力，BERT、GPT、Stable Diffusion、Sora等功能強大的模型引發了廣泛的關註。大模型可能是人工智能領域的顛覆性新範式，因此應當作為計算機、人工智能相關方向的研究生教學的一個重要內容。本書共十講，按照基本原理、預訓練技術、重要應用三個層面展開，從生成模型、自監督學習、強化學習的基本原理出發，系統介紹大語言模型、多模態大模型、決策大模型的預訓練技術，以及衍生的自主智能體和世界模擬器等重要應用。本書適合作為計算機、人工智能方向高年級本科生、研究生的教材，也適合作為人工智能領域研究人員和從業人員的參考書。
作者簡介
李崇軒，中國人民大學高瓴人工智能學院準聘副教授、博士生導師，2010-2019年獲清華大學學士和博士學位。主要研究機器學習、深度生成模型，代表性工作Analytic-DPM、DPM-Solver作為核心采樣技術部署於DALL·E 2、Stable Diffusion等。獲 會議ICLR傑出論文獎、吳文俊 青年獎、吳文俊人工智能自然科學一等獎、中國計算機學會 博士論文、ACM SIGAI 中國新星獎等。入選博新計劃、北京市科技新星，主持、參與多項 自然科學基金、科技部課題。擔任ICLR 2024、NeurIPS 2024領域 。
