掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
大模型編程實踐與提示工程 版權信息
- ISBN：9787302676195
- 條形碼：9787302676195 ; 978-7-302-67619-5
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
大模型編程實踐與提示工程 本書特色
通過自主與用戶溝通和優化業務任務，人機交互變得更加流暢自然。人工智能專家弗朗西斯科·埃斯波西托（Francesco Esposito）展示了大語言模型的應用場景：打造高端的商業解決方案、縮短人類與機器之間的距離以及構建強大的推理引擎。《大模型編程實踐與提示工程》深入探討了提示工程和對話式編程，演示了具體的模式和框架技術，*終揭示了如何通過自然語言解鎖一種新的、先進的編碼方式。使用Python和ASP.NET Core，《大模型編程實踐與提示工程》演示了在人機交互、API、數據和人類輸入之間創建一致交互模式的各種實例。
通過對《大模型編程實踐與提示工程》的閱讀，本書可以幫助讀者實現以下目標：
了解大語言模型（LLM）及對話式編程的歷史
探索提示工程這個代表新質生產力的編碼方式
學習核心提示技術及其基本應用場景
設計高級提示詞，包括連接LLM以生成函數調用來構建推理引擎
使用自然語言來定義工作流并協調（編排）現有的API
掌握外部LLM框架
評估負責任AI的安全、隱私和準確性問題
探索AI的監管環境
構建和實現個人助手
應用知識庫檢索增強生成（RAG）模式來生成響應
構建對話用戶界面
大模型編程實踐與提示工程 內容簡介
"《大模型編程實踐與提示工程》深入淺出地介紹了提示工程在大模型編程實踐中的重要性及其具體應用。作為人工智能專家，作者展示了如何借助大模型來優化業務任務，構建商業解決方案以及創建強大的推理引擎。此外，通過探討提示工程和對話式編程，本書還介紹了如何借助自然語言來掌握新的編碼技術。 《大模型編程實踐與提示工程》面向軟件專家、架構師、首席開發人員、程序員和機器學習愛好者，也適合任何對自然語言處理或人工智能感興趣的讀者閱讀和參考，可以幫助他們培養和提升新質生產力。 "
大模型編程實踐與提示工程 目錄
第1章 大語言模型的起源 0011.1 大模型綜述 0011.1.1 大模型的發展歷史 0021.1.2 工作原理 0071.1.3 商業應用 0171.2 對話式編程 0181.2.1 自然語言的崛起 0181.2.2 LLM拓撲結構 0201.2.3 未來展望 0221.3 小結 028第2章 核心提示詞學習技術 0292.1 什么是提示工程 0292.1.1 提示概述 0292.1.2 改變輸出的其他方式 033第1章 大語言模型的起源 0011.1 大模型綜述 0011.1.1 大模型的發展歷史 0021.1.2 工作原理 0071.1.3 商業應用 0171.2 對話式編程 0181.2.1 自然語言的崛起 0181.2.2 LLM拓撲結構 0201.2.3 未來展望 0221.3 小結 028第2章 核心提示詞學習技術 0292.1 什么是提示工程 0292.1.1 提示概述 0292.1.2 改變輸出的其他方式 0332.1.3 設置代碼執行 0362.2 基本技術 0402.2.1 零樣本場景 0402.2.2 少樣本場景 0422.2.3 思維鏈場景 0472.3 基本使用場景 0502.3.1 聊天機器人 0512.3.2 收集信息 0512.3.3 翻譯 0552.4 LLM的局限性 0562.5 小結 057第3章 高級提示詞工程 0593.1 超越提示工程 0593.1.1 合并不同的部分 0603.1.2 微調 0623.2 函數調用 0653.2.1 自定義函數調用 0653.2.2 OpenAI風格 0703.3 與單獨的數據對話 0743.3.1 將數據連接到LLM 0743.3.2 嵌入 0753.3.3 向量存儲 0803.3.4 檢索增強生成 0833.4 小結 088第4章 巧用語言框架 0894.1 對編排器的需求 0894.1.1 跨框架概念 0904.1.2 需要考慮的重點 0964.2 LangChain 0984.2.1 模型、提示模板和鏈 0994.2.2 代理 1074.2.3 數據連接 1164.3 微軟的 Semantic Kernel 1224.3.1 插件 1244.3.2 數據與規劃器 1294.4 微軟的 Guidance 1354.4.1 配置 1354.4.2 主要特性 1384.5 小結 142第5章 安全、隱私和準確性問題 1435.1 概述 1435.1.1 負責任AI 1435.1.2 紅隊測試 1445.1.3 濫用與內容過濾 1455.1.4 幻覺與性能 1465.1.5 偏見和公平性 1475.2 安全性和隱私保護 1475.2.1 安全性 1475.2.2 隱私保護 1525.3 評估和內容過濾 1565.3.1 評估 1575.3.2 內容過濾 1615.3.3 幻覺 1695.4 小結 170第6 章 構建個人AI 助手 1716.1 聊天機器人Web 應用概覽 1716.1.1 愿景 1726.1.2 技術棧 1726.2 項目 1736.2.1 設置LLM 1736.2.2 設置項目 1756.2.3 與LLM 集成 1786.3 小結 193第7 章 與自己的數據對話 1957.1 概述 1957.1.1 愿景 1957.1.2 技術棧 1967.2 Streamlit 框架 1967.2.1 Streamlit 簡介 1977.2.2 主要的UI 特性 1977.2.3 生產時的優缺點 1997.3 項目 2007.3.1 設置項目和基本UI 2017.3.2 數據準備 2047.3.3 與LLM 集成 2097.4 進階內容 2137.4.1 RAG 與微調 2137.4.2 可能的擴展 2157.5 小結 216第8 章 對話式UI 2178.1 概述 2178.1.1 愿景 2188.1.2 技術棧 2198.2 項目 2208.2.1 Minimal API設置 2208.2.2 OpenAPI 2228.2.3 與LLM集成 2248.2.4 可能的擴展 2318.3 小結 232附錄A 大語言模型的工作原理 233
展開全部
大模型編程實踐與提示工程 作者簡介
著譯者簡介[意] 弗朗西斯科·埃斯波西托（Francesco Esposito） 擁有深厚的數學背景，出版過兩本關于機器學習的著作。Crionet公司工程與數據主管，主要為體育和媒體行業提供創新解決方案。他先后創辦了Youbiquitous（聚焦于大語言模型、數據分析和軟件工廠）——和KBMS Data Force（專注于數字療法和智能醫療）。 周靖微軟MVP(最有價值專家)，技術型資深譯者，涉獵廣泛，具有深厚的技術功底和良好的文學素養。潛心鉆研程序設計并在這方面積累了豐富的實戰經驗。翻譯風格嚴謹、準確、樸實、流暢，深受讀者好評。代表譯著有《Windows核心編程》系列版本、《深入CLR》系列版本、《Visual C#從入門到精通》系列版本、《機器學習與人工智能實戰》以及《學習Python》（第6版）等。
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
伯納黛特,你要去哪(2021新版)
- >
朝聞道
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
月亮虎
- >
姑媽的寶刀
- >
經典常談
- >
李白與唐代文化
本類暢銷
