书名：AI训练师手册2：DeepSeek＋模型训练＋商业应用实操
定价：79.0
ISBN：9787301367391
作者：谷建阳,贾一琦 编著
版次：1
出版时间：2025-11

内容提要：
本书是一本全面且系统的 AI 训练师指南，旨在帮助读者掌握从基础理论、常用技能到商业应用的各项 AI 技巧。本书内容沿两条核心主线展开，为读者搭建扎实的学习与实践框架。
技能线：全面覆盖 AI 模型训练的关键技能，从基础的 AI 入门知识、模型部署、数据获取、数据标注、模型微调，到进阶的语言模型训练、绘画模型训练、语音模型训练，再到 AI 模型的商业应用，层层递进，确保读者能够系统掌握 AI 训练的核心功能与应用技巧。
案例线：精心设计多个领域的商业应用案例，包括政务、教育、交通、智驾、医疗、法律、金融和农业等，将理论知识融入实际业务场景，提升读者解决实际问题的能力。
本书内容深入浅出，实例丰富多元，适合对 AI 技术感兴趣、希望成为 AI 训练师的初学者，以及人工智能与科技、政务、教育、交通、医疗、金融、法律以及农业等各个领域的从业人员。无论是个人学习提升，还是作为培训机构和高等院校的教学参考，本书都能提供全方位的知识支持和实践指导。



作者简介：
谷建阳
----------------------------
谷建阳，人工智能工程师、算法工程师，AI训练师，湖南大学计算机专业毕业，在AI深度学习、深层算法、机器学习等方面拥有深厚的理论基础，能够全面掌握各种算法和模型的特性，擅长使用TensorFlow、PyTorch等主流深度学习框架进行模型训练，并能够根据客户需求灵活选择合适的工具和库进行定制化开发。在清华社出版《AI人工智能：发展简史+技术案例+商业应用》加印13次，在我社出版《AI训练师手册：算法与模型训练从入门到精通》一书，目前首印4000册，加印3000册。

贾一琦
----------------------------
贾一琦，本科毕业于加拿大特伦特大学计算机信息系统专业，硕士毕业于北京理工大学软件工程专业。致力于研究职业教育、校园信息化建设、继续教育、国际交流合作等相关课题。《高职院校国际交流与合作现状研究》课题获河北省人力资源和社会保障厅三等奖，《大数据时代职业技能人才培养模式路径研究》课题获河北省人力资源和社会保障厅一等奖。工作单位：河北轨道运输职业技术学院。

目录：
目录
CONTENTS
第1篇? AI基础
第1章? AI入门：认识人工智能模型训练
1.1 基础入门：了解人工智能与模型训练
1.1.1? 为什么要学人工智能
1.1.2? 人工智能是如何发展起来的
1.1.3? 人工智能的核心逻辑是什么
1.1.4? 什么是模型，模型是怎么训练的
1.1.5? 什么是模型量化与模型蒸馏
1.2 AI大模型：工作逻辑解析
1.2.1? 了解GPT模型的工作原理
1.2.2? GPT为什么能够获得成功
1.2.3? AI强化学习解决大模型推理问题
1.2.4? RAG检索技术解决大模型幻觉问题
1.2.5? 神经网络是AI模型训练的核心技术
1.2.6? Transformer催生出一切AI大模型
1.3 DeepSeek：探究其特性与应用
1.3.1? DeepSeek为什么爆火
1.3.2? DeepSeek的6种使用途径
1.3.3? DeepSeek的逻辑推理能力
1.3.4? DeepSeek的联网搜索能力
1.3.5? DeepSeek的商业应用案例
本章小结
课后实训
第2章? 模型部署：在本地使用DeepSeek
2.1 模型安装：DeepSeek本地部署
2.1.1? 部署前的准备工作
2.1.2? 安装Python依赖项
2.1.3? 下载与安装Ollama
2.1.4? 下载DeepSeek模型
2.1.5? 试运行DeepSeek模型
2.1.6? 配置Cherry Studio前端界面
2.2 插件部署：DeepSeek扩展应用
2.2.1? 安装Page Assist插件
2.2.2? 配置Page Assist插件
2.2.3? 测试DeepSeek模型
本章小结
课后实训
第3章? 数据获取：构建AI模型的知识库
3.1 数据与模型：看懂AI训练中的核心关联
3.1.1? 通俗解读模型训练中的数据集
3.1.2? 获取公开数据集的常用途径
3.1.3? 生成高质量的模型微调数据集
3.2 搭建知识库：构建大模型的训练数据集
3.2.1? 下载并安装AnythingLLM
3.2.2? 配置AnythingLLM
3.2.3? 上传私有的训练数据集
本章小结
课后实训
第4章? 数据标注：引导模型学习提升性能
4.1 数据标注：大模型的“智能基因编辑师”
4.1.1? 数据标注的概念与技术原理
4.1.2? 数据标注在大模型中的作用
4.2 MakeSense：图像数据标注实战指南
4.2.1? 选择打标任务类型
4.2.2? 创建和添加自定义标签
4.2.3? 给图像数据打标
4.2.4? 修改标注项目的名称
4.2.5? 导出打标数据文件
本章小结
课后实训
第5章? 模型微调：让AI训练效果达到预期
5.1 微调的本质：让模型“听懂”领域语言
5.1.1? 揭开模型微调的神秘面纱
5.1.2? 微调与长文本、知识库、预训练的区别
5.1.3? 模型微调的工具和基本流程
5.2 OpenAl Platform：GPT模型微调技巧
5.2.1? 模型是否真的需要微调
5.2.2? 训练数据准备规范
5.2.3? 登录OpenAl Platform平台
5.2.4? 创建微调模型并上传训练数据
5.2.5? 模型微调的超参数配置策略
本章小结
课后实训
第2篇? 模型训练
第6章? 语言模型训练：高效赋能各业务场景
6.1 使用Page Assist训练DeepSeek
6.1.1? 配置文本嵌入模型
6.1.2? 创建知识库
6.1.3? 添加提示词
6.1.4? 测试模型效果
6.2 使用Cherry Studio训练DeepSeek
6.2.1? 添加嵌入模型
6.2.2? 创建知识库
6.2.3? 添加文件并进行向量化处理
6.2.4? 搜索知识库
6.2.5? 引用知识库生成回复
本章小结
课后实训
第7章? 绘画模型训练：创意生成与视觉设计
7.1 使用SD-Trainer训练LoRA模型
7.1.1? LoRA模型简介
7.1.2? 安装SD-Trainer训练器
7.1.3? 准备与整理训练数据集
7.1.4? 使用WD标签器标注数据
7.1.5? 设置底模文件和数据集路径
7.2 使用Stable Diffusion测试模型效果
7.2.1? 部署训练好的LoRA模型
7.2.2? 使用LoRA模型实现文生图
本章小结
课后实训
第8章? 语音模型训练：智能声音克隆与处理
8.1 使用weights训练语音模型
8.1.1? 认识与登录weights平台
8.1.2? 设置模型的详细信息
8.1.3? 上传音频数据集并训练模型
8.2 使用AI模型克隆声音制作音乐MV
8.2.1? 克隆声音唱歌
8.2.2? 剪辑音频与视频素材
8.2.3? 智能识别歌词
本章小结
课后实训
第3篇? 商业应用
第9章? 政务与教育：AI赋能治理与教学创新实践
9.1 政务与教育领域的AI模型训练要点
9.1.1? 数据隐私防护
9.1.2? 多模态融合
9.1.3? 数据动态脱敏
9.2 政务领域的AI模型训练商业应用场景
9.2.1? 公共服务优化
9.2.2? 政务决策支持
9.2.3? 城市治理升级
9.3 教育领域的AI模型训练商业应用场景
9.3.1? 个性化学习支持
9.3.2? 教学效能提升
9.3.3? 教育硬件赋能
本章小结
课后实训
第10章? 交通与智驾：构建安全高效出行解决方案
10.1 交通与智驾领域的AI模型训练要点
10.1.1? 数据安全与合规
10.1.2? 模型鲁棒性强化
10.1.3? 实时性保障方案
10.2 交通领域的AI模型训练商业应用场景
10.2.1? 智能交通管理
10.2.2? 智慧出行服务
10.2.3? 主动安全防控
10.3 智驾领域的AI模型训练商业应用场景
10.3.1? 感知系统升级
10.3.2? 决策规划突破
10.3.3? 仿真测试革新
本章小结
课后实训
第11章? 医疗与法律：重塑精准诊疗与服务流程
11.1 医疗与法律领域的AI模型训练要点
11.1.1? 数据安全与隐私保护
11.1.2? 持续学习机制
11.1.3? 边缘部署优化
11.2 医疗领域的AI模型训练商业应用场景
11.2.1? 临床诊疗升级
11.2.2? 健康管理创新
11.2.3? 医院管理优化
11.3 法律领域的AI模型训练商业应用场景
11.3.1? 法律文本智能处理
11.3.2? 法律研究赋能
11.3.3? 企业合规管理
本章小结
课后实训
第12章? 金融与农业：驱动智能决策与产业升级
12.1 金融与农业领域的AI模型训练要点
12.1.1? 数据治理
12.1.2? 模型部署与监控
12.1.3? 可解释性突破
12.2 金融领域的AI模型训练商业应用场景
12.2.1? 投资决策智能化
12.2.2? 风险管控升级
12.2.3? 运营效能提升
12.3 农业领域的AI模型训练商业应用场景
12.3.1? 智能经营管理
12.3.2? 资源利用优化
12.3.3? 供应链创新
本章小结
课后实训