ChatGPT原理实战与软件开发套装
全新正版现货
￥ 108.9 5.5折 ￥ 198 全新
库存2件
四川成都
认证卖家担保交易快速发货售后保障
作者刘聪，杜振东，涂铭，沈盛宇，[美] 陈斌
出版社机械工业出版社
出版时间2023-09
装帧平装
开本128开
纸张胶版纸
定价198元
货号29642083
上书时间2024-07-19
- 在售商品 暂无
- 平均发货时间 16小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 正版全新
- 商品描述
-
【内容简介】:
《ChatGPT原理实战》：
《ChatGPT原理实战》是一本系统梳理并深入解析ChatGPT核心技术、算法实现、工作原理、训练方法的著作，也是一本能指导你搭建专属ChatGPT和实现大模型迁移及私有化的著作。
《ChatGPT原理实战》得到了MOSS系统负责人邱锡鹏等多位专家的高度评价和鼎力推荐。具体地，通过《ChatGPT原理实战》你能了解或掌握以下知识：
ChatGPT的工作流程和技术栈
ChatGPT的工作原理和算法实现
基于Transformer架构的一系列预训练语言模型的原理
强化学习的基础知识
提示学习与大模型涌现出的上下文学习、思维链
大模型的训练方法及常见的分布式训练框架
基于人工反馈的强化学习整体框架
从零搭建类ChatGPT模型，模拟完整的ChatGPT训练过程
《ChatGPT原理实战》集理论、实战和产业应用于一体，提供大量经详细注释的代码，方便读者理解和实操。总之，不管你是想深入研究ChatGPT本身，还是正在研发或使用其他大模型，《ChatGPT原理实战》都应该能给你颇具价值的技术启发与思考，让你在大模型的路上快速前行，少走弯路。
《ChatGPT驱动软件开发》：
《ChatGPT驱动软件开发》是一本讲解以ChatGPT/GPT-4为代表的大模型如何为软件研发全生命周期赋能的实战性著作。它以软件研发全生命周期为主线，详细讲解了ChatGPT/GPT-4在软件产品的需求分析、架构设计、技术栈选择、高层设计、数据库设计、UI/UX设计、后端应用开发、Web前端开发、软件测试、系统运维、技术管理等各个环节的应用场景和方法，让读者深刻地感受到ChatGPT/GPT-4在革新传统软件工程的方式和方法的同时，还带来了研发效率和研发质量的大幅度提升。
更为重要的是，《ChatGPT驱动软件开发》能帮助架构师、开发工程师、数据库工程师、测试工程师、运维工程师、项目经理、产品经理、UI/UX工程师和技术管理者深入地理解ChatGPT/GPT-4的原理和应用，全面塑造他们在AI时代的核心竞争力，实现价值创新并形成竞争优势，为未来的发展奠定基础。
作者在《ChatGPT驱动软件开发》中创新性地提出了大模型时代的软件研发新范式——水母开发模式（顶部大、底部小）。该模式将研发活动分成6个层次，分别对应软件研发生命周期的分析、设计、编码、测试、部署和维护。其中分析和设计层的工作量大很多，类似水母的头部；其余4个层次的工作量较少，类似水母的触手。
除此之外，《ChatGPT驱动软件开发》还给出了工程师们与ChatGPT互动（Prompt）的步骤和注意事项，整个过程分为6步，只要遵循这6步就能比较容易地获得较为满意的输出结果。
【作者简介】:
《ChatGPT原理实战》：
《ChatGPT原理实战》是一本系统梳理并深入解析ChatGPT核心技术、算法实现、工作原理、训练方法的著作，也是一本能指导你搭建专属ChatGPT和实现大模型迁移及私有化的著作。
《ChatGPT原理实战》得到了MOSS系统负责人邱锡鹏等多位专家的高度评价和鼎力推荐。具体地，通过《ChatGPT原理实战》你能了解或掌握以下知识：
ChatGPT的工作流程和技术栈
ChatGPT的工作原理和算法实现
基于Transformer架构的一系列预训练语言模型的原理
强化学习的基础知识
提示学习与大模型涌现出的上下文学习、思维链
大模型的训练方法及常见的分布式训练框架
基于人工反馈的强化学习整体框架
从零搭建类ChatGPT模型，模拟完整的ChatGPT训练过程
《ChatGPT原理实战》集理论、实战和产业应用于一体，提供大量经详细注释的代码，方便读者理解和实操。总之，不管你是想深入研究ChatGPT本身，还是正在研发或使用其他大模型，《ChatGPT原理实战》都应该能给你颇具价值的技术启发与思考，让你在大模型的路上快速前行，少走弯路。
《ChatGPT驱动软件开发》：
《ChatGPT驱动软件开发》是一本讲解以ChatGPT/GPT-4为代表的大模型如何为软件研发全生命周期赋能的实战性著作。它以软件研发全生命周期为主线，详细讲解了ChatGPT/GPT-4在软件产品的需求分析、架构设计、技术栈选择、高层设计、数据库设计、UI/UX设计、后端应用开发、Web前端开发、软件测试、系统运维、技术管理等各个环节的应用场景和方法，让读者深刻地感受到ChatGPT/GPT-4在革新传统软件工程的方式和方法的同时，还带来了研发效率和研发质量的大幅度提升。
更为重要的是，《ChatGPT驱动软件开发》能帮助架构师、开发工程师、数据库工程师、测试工程师、运维工程师、项目经理、产品经理、UI/UX工程师和技术管理者深入地理解ChatGPT/GPT-4的原理和应用，全面塑造他们在AI时代的核心竞争力，实现价值创新并形成竞争优势，为未来的发展奠定基础。
作者在《ChatGPT驱动软件开发》中创新性地提出了大模型时代的软件研发新范式——水母开发模式（顶部大、底部小）。该模式将研发活动分成6个层次，分别对应软件研发生命周期的分析、设计、编码、测试、部署和维护。其中分析和设计层的工作量大很多，类似水母的头部；其余4个层次的工作量较少，类似水母的触手。
除此之外，《ChatGPT驱动软件开发》还给出了工程师们与ChatGPT互动（Prompt）的步骤和注意事项，整个过程分为6步，只要遵循这6步就能比较容易地获得较为满意的输出结果。
【目录】:
《ChatGPT原理实战》：
赞誉
前言
第1章 了解ChatGPT
1．1 ChatGPT的由来
1．1．1 什么是ChatGPT
1．1．2 ChatGPT的发展历史
1．2 ChatGPT的工作流程
1．3 ChatGPT用例
1．3．1 日常任务
1．3．2 编写代码
1．3．3 文本生成
1．3．4 办公自动化
1．4 本章小结
第2章 ChatGPT原理解构
2．1 背景知识
2．1．1 自然语言处理的发展历程
2．1．2 大型语言模型的发展历程
2．2 ChatGPT同类产品
2．2．1 BlenderBot3．0
2．2．2 LaMDA
2．2．3 Sparrow
2．3 ChatGPT的工作原理
2．3．1 预训练与提示学习阶段
2．3．2 结果评价与奖励建模阶段
2．3．3 强化学习与自我进化阶段
2．4 算法细节
2．4．1 标注数据
2．4．2 建模思路
2．4．3 存在的问题
2．5 关于ChatGPT的思考
2．6 本章小结
第3章 预训练语言模型
3．1 Transformer结构
3．2 基于Encoder结构的模型
3．2．1 BERT
3．2．2 RoBERTa
3．2．3 ERNIE
3．2．4 SpanBERT
3．2．5 MacBERT
3．2．6 ALBERT
3．2．7 NeZha
3．2．8 UniLM
3．2．9 GLM
3．2．1 0ELECTRA
3．3 基于Decoder结构的模型
3．3．1 GPT
3．3．2 CPM
3．3．3 PaLM
3．3．4 OPT
3．3．5 Bloom
3．3．6 LLaMA
3．4 基于Encoder-Decoder结构的模型
3．4．1 MASS
3．4．2 BART
3．4．3 T5
3．5 基于夸夸闲聊数据的UniLM模型实战
3．5．1 项目简介
3．5．2 数据预处理模块
3．5．3 UniLM模型模块
3．5．4 模型训练模块
3．5．5 模型推理模块
3．6 本章小结
第4章 强化学习基础
4．1 机器学习的分类
4．1．1 有监督学习
4．1．2 无监督学习
4．1．3 强化学习
4．2 OpenAIGym
4．2．1 OpenAIGymAPI简介
4．2．2 环境简介
4．3 强化学习算法
4．3．1 Q-learning算法
4．3．2 SARSA算法
4．3．3 DQN算法
4．3．4 PolicyGradient算法
4．3．5 Actor-Critic算法
4．4 本章小结
第5章 提示学习与大型语言模型的涌现
5．1 提示学习
5．1．1 什么是提示学习
5．1．2 提示模板设计
5．1．3 答案空间映射设计
5．1．4 多提示学习方法
5．2 上下文学习
5．2．1 什么是上下文学习
5．2．2 预训练阶段提升上下文学习能力
5．2．3 推理阶段优化上下文学习的效果
5．3 思维链
5．4 基于提示的文本情感分析实战
5．4．1 项目简介
5．4．2 数据预处理模块
5．4．3 BERT模型模块
5．4．4 模型训练模块
5．4．5 模型推理模块
5．5 本章小结
……
第6章 大型语言模型预训练
第7章 GPT系列模型分析
第8章 PPO算法与RLHF理论实战
第9章 类ChatGPT实战
第10章 ChatGPT发展趋势
《ChatGPT驱动软件开发》：
序
前言
第1章 ChatGPT与软件开发
1．1 技术发展对软件开发的影响
1．2 ChatGPT对编程的影响
1．3 ChatGPT对软件开发模式的影响
1．4 适合ChatGPT的水母开发模式
1．5 ChatGPT对开发工程师的影响
1．6 与ChatGPT沟通的技巧
1．7 小结
第2章 ChatGPT驱动需求分析
2．1 借助ChatGPT收集用户需求
2．2 借助ChatGPT分析用户需求
2．3 借助ChatGPT优化用户需求
2．4 ChatGPT生成需求规格说明书
2．5 小结
第3章 ChatGPT驱动架构设计
3．1 架构设计的过程
3．2 微服务架构简介
3．3 微服务架构设计原则
3．4 架构设计的思维框架
3．5 ChatGPT生成TMS微服务架构
3．6 小结
第4章 ChatGPT驱动技术栈选择
4．1 技术栈的基本概念
4．2 目前的主流技术栈及其比较
4．3 选择技术栈的原则
4．4 TMS技术栈选择
4．5 小结
第5章 ChatGPT驱动高层设计
5．1 高层设计的主要文档
5．2 高层设计的原则
5．3 ChatGPT辅助TMS高层设计
5．4 小结
第6章 ChatGPT驱动数据库设计
6．1 数据库设计与ChatGPT的协作
6．2 生成数据库表结构应该遵循的原则
6．3 利用ChatGPT完成数据库设计
6．4 利用ChatGPT基于数据生成数据库表结构
6．5 ChatGPT驱动TMS数据库创建
6．6 小结
第7章 ChatGPT驱动UI/UX设计
7．1 利用ChatGPT指导UI/UX的设计原则
7．2 利用ChatGPT从UI/UX角度分析用户需求
7．3 利用ChatGPT完成TMS界面设计
7．4 小结
第8章 ChatGPT驱动后端应用开发
8．1 后端概述
8．2 API基本概念
8．3 API设计原则
8．4 ChatGPT助力WebAPI开发
8．5 ChatGPT助力数据库API开发
8．6 ChatGPT生成TMS后端代码
8．7 小结
第9章 ChatGPT驱动Web前端开发
9．1 利用ChatGPT优化HTML结构
9．2 借助ChatGPT提升CSS样式效果
9．3 使用ChatGPT加速JavaScript开发
9．4 前端工程化与ChatGPT
9．5 ChatGPT辅助前端测试
9．6 利用ChatGPT提高Web可访问性
9．7 ChatGPT生成TMS前端代码
9．8 小结
第10章 ChatGPT驱动软件测试
10．1 利用ChatGPT制订测试计划
10．2 利用ChatGPT生成测试场景
10．3 利用ChatGPT生成测试用例
10．4 利用ChatGPT生成测试数据
10．5 利用ChatGPT进行缺陷管理和回归测试
10．6 利用ChatGPT为自动化测试提供建议
10．7 ChatGPT生成测试报告
10．8 小结
第11章 ChatGPT驱动系统运维
11．1 ChatGPT在系统监控中的应用
11．2 ChatGPT在故障定位中的应用
11．3 ChatGPT在性能优化中的应用
11．4 ChatGPT在漏洞检测中的应用
11．5 小结
……
第12章 ChatGPT驱动技术管理
第13章 ChatGPT的伦理与法规
第14章 软件开发的未来展望与挑战
附录
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价