索识旗舰店店铺主页二维码
索识旗舰店
读懂中国经济趋势,把握未来投资方向。
微信扫描二维码,访问我们的微信店铺

大模型技术与应用开发 张晓明 高等教育学会计算机教育研究分会“十五五”推荐教材 高等教育人工智能系列

¥44.25
运费: 免运费
大模型技术与应用开发 张晓明 高等教育学会计算机教育研究分会“十五五”推荐教材 高等教育人工智能系列 商品图0
大模型技术与应用开发 张晓明 高等教育学会计算机教育研究分会“十五五”推荐教材 高等教育人工智能系列 商品图1
大模型技术与应用开发 张晓明 高等教育学会计算机教育研究分会“十五五”推荐教材 高等教育人工智能系列 商品缩略图0 大模型技术与应用开发 张晓明 高等教育学会计算机教育研究分会“十五五”推荐教材 高等教育人工智能系列 商品缩略图1

商品详情

书名:大模型技术与应用开发
定价:59.0
ISBN:9787513688017
作者:张晓明
版次:1
出版时间:2026-10

内容提要:
本教材面向大模型课程教学需要,从大模型基本概念与发展历程等入手,系统阐述大模型的典型结构和计算资源,重点阐述大模型的应用模式、开发框架和部署、智能体应用技术和开发案例。全文一共10章,包括绪论、大模型的典型结构、大模型计算资源与部署、大模型应用模式与案例分析、提示工程、大模型集成开发框架、Ollama的本地部署与应用、基于大模型的图谱生成技术、语音大模型应用技术、智能体应用技术。 基于工程教育产出导向理念,教材强调了大模型的技术分析与应用设计方法,设计了117张图例,给出了大量的应用案例。在实践方面,既有低代码和*代码部署案例,又有Python程序及其运行效果,便于多个层次和类型的大模型课程选用。适于应用型高校各类专业的大模型应用开发课程,其中的案例也可以作为课程设计参考。



作者简介:
张晓明,博士,教授,北京石油化工学院计算机系主任,北京市高等学校教学名师,北京高校*共产*员,**课程负责人(计算机网络A),计算机科学与技术**本科专业建设点负责人,计算机科学与技术*工程教育专业认证负责人。担任*工程教育认证*、*高校计算机教育研究会理事、北京高等教育学会计算机教育研究分会副理事长。长期从事网络信息隐藏与*通信技术、大数据驱动下智能处理算法与系统预警模型研究,发表学术论文80余篇。主编出版教材12部和专著1部,其中《计算机网络教程(第2版)》《C#网络通信程序设计(第2版)》均获评北京市高等学校优质本科教材(重点)。

媒体评论:
编辑推荐: 本教材突出案例化设计,融合课程思政元素。在计算资源方面,阐述华为GPU产品和数据中心能耗优化智能系统。针对大模型四个应用层次,精心设计了对应的案例: (1)大模型体验案例:基于百度文心一言、腾讯混元、千问等,描述大模型产品的图像理解、文生图、图生文、本地部署等功能,在第1章描述; (2)大模型调用案例,比如提示词应用、LangChain应用、Ollama本地部署、知识图谱生成、语音识别、语音合成; (3)应用模式案例,比如*视觉导航实时异常检测、融合模型目标检测、加油站违规行为检测、Coze *代码智能体设计; (4)场景应用设计案例,比如道路积水智能分析、基于DeepSeek的领域图谱生成、基于语音大模型的老人情感交流系统设计、基于语音大模型的老人情感交流系统设计、基于多智能体的地铁站问答系统设计。

目录:
第1章绪论 1.1大模型概述 1.1.1大模型的含义 1.1.2大模型的特点 1.1.3大模型的关键技术 1.1.4大模型的应用领域 1.2大模型的发展与分类 1.2.1大模型的发展历程 1.2.2大模型的分类 1.3多模态大模型 1.3.1多模态大模型概述 1.3.2多模态融合 1.3.3多模态对齐 1.4典型的公开数据集 1.4.1典型文本预训练数据集 1.4.2图像-文本模态预训练数据集 1.4.3视频-文本模态预训练数据集 1.4.4音频-文本模态预训练数据集 1.4.5场景文本检测数据集 1.5大模型的训练与应用 1.5.1大模型的训练过程 1.5.2本地使用大模型 1.5.3大模型保存的内容 1.6大模型的基本应用体验 1.6.1图像理解体验 1.6.2*代码AI文生图体验 1.6.3低代码AI文生图示例 1.6.4混合架构应用体验 习题 第2章大模型的典型结构 2.1Transformer模型 2.1.1位置编码 2.1.2多头注意力 2.1.3前馈神经网络 2.1.4ReLU函数及其变体(半线性*函数) 2.1.5层归一化 2.2BERT模型 2.3GPT模型 2.4LLaMA大模型 2.4.1RMSNorm归一化函数 2.4.2SwiGLU*函数 2.4.3旋转位置编码 2.5混合*模型 2.6DeepSeek模型 2.7多模态大模型结构 2.7.1早融合(Early Fusion)架构 2.7.2双编码器(Dual-Encoder)架构 2.7.3以LLM为核心的连接器架构 习题 第3章大模型计算资源与部署 3.1数据中心描述 3.1.1数据中心对大模型的作用 3.1.2数据中心的基础设施 3.1.3数据中心的智能运维 3.2分布式集群 3.2.1HPC说明 3.2.2参数服务器架构 3.2.3去中心化架构 3.3大模型训练的并行策略 3.3.1数据并行 3.3.2张量并行 3.3.3流水线并行 3.3.4序列并行 3.3.5混合并行 3.3.6并行策略的关系 3.4Hadoop/Spark分布式系统 3.4.1Hadoop的生态系统 3.4.2Spark的生态系统与GPU加速 习题 第4章大模型应用模式与案例分析 4.1基础应用模式 4.1.1路由分发模式 4.1.2大模型代理模式 4.1.3多任务微调模式 4.1.4基于缓存的微调模式 4.1.5面向目标的 Agent 模式 4.2综合应用设计模式 4.2.1智能体组合模式 4.2.2混合规则模式 4.2.3知识图谱模式 4.2.4RAG模式 4.2.5双重*架构设计模式 4.3大模型应用实践案例分析 4.3.1基于大模型的*视觉导航实时异常检测 4.3.2大模型融合目标检测模型应用案例 4.3.3加油站违规行为智能检测案例 习题 第5章提示工程 5.1提示工程概述 5.1.1核心要素 5.1.2提示词示例 5.2典型提示技术 5.2.1*样本提示 5.2.2少样本提示 5.2.3链式思考提示 5.2.4思维树 5.2.5检索增强生成 5.3提示词用于道路积水大模型分析案例 5.3.1道路积水类型分析 5.3.2提示词设计 5.3.3DeepSeek大模型调用 5.3.4大模型分析效果 习题 第6章大模型集成开发框架 6.1大模型集成开发框架介绍 6.1.1主流通用大模型集成框架 6.1.2本地模型运行与轻量级框架 6.1.3国产与特定生态框架 6.2LangChain应用基础 6.2.1LangChain v1.0的组成 6.2.2LangChain应用入门 6.2.3LangChain应用示例 6.3LlamaIndex应用基础 6.3.1LlamaIndex应用入门 6.3.2工作阶段分析 习题 第7章Ollama的本地部署与应用 7.1Ollama的本地部署方法 7.1.1Ollama的安装 7.1.2开启Ollama的聊天模式 7.1.3Ollama的图像识别 7.2Open-WebUI安装 7.2.1下载并安装miniconda 7.2.2安装Open-WebUI 7.2.3启动Open-WebUI 7.2.4访问Open-WebUI 7.3Ollama的*功能 7.3.1流式响应 7.3.2推理模式 7.3.3结构化输出 7.3.4视觉模型 7.3.5嵌入向量(Embeddings) 习题 第8章基于大
索识旗舰店店铺主页二维码
索识旗舰店
读懂中国经济趋势,把握未来投资方向。
扫描二维码,访问我们的微信店铺

大模型技术与应用开发 张晓明 高等教育学会计算机教育研究分会“十五五”推荐教材 高等教育人工智能系列

手机启动微信
扫一扫购买

收藏到微信 or 发给朋友

1. 打开微信,扫一扫左侧二维码

2. 点击右上角图标

点击右上角分享图标

3. 发送给朋友、分享到朋友圈、收藏

发送给朋友、分享到朋友圈、收藏

微信支付

支付宝

扫一扫购买

收藏到微信 or 发给朋友

1. 打开微信,扫一扫左侧二维码

2. 点击右上角图标

点击右上角分享图标

3. 发送给朋友、分享到朋友圈、收藏

发送给朋友、分享到朋友圈、收藏