ChatGPT原理与架构+ChatGPT辅助软件开发(全2册)
全新正版 假一赔十 可开发票
¥
140.39
7.1折
¥
198
全新
库存35件
作者程戈 等 著
出版社机械工业出版社
ISBN9782200059002
出版时间2023-12
装帧平装
开本32开
定价198元
货号1203331733
上书时间2024-11-02
商品详情
- 品相描述:全新
- 商品描述
-
作者简介
陈 斌
资深技术专家,IT技术领域的领军人物,有超过30年的支付、软件研发、技术架构、系统运维、技术管理经验。对人工智能技术及其应用有深入研究,对大模型在软件工程中的应用有丰富的实践经验。现任职日本华人支付创业企业NetStars的CTO,曾担任易宝支付的CTO、ebay/PayPal的高级架构师、Nokia美国的首席工程师。
CTO领袖联盟的联席主席和中国互联网技术百人会的理事长。从传统的大型计算机核心技术,到互联网技术应用,再到大数据、云计算、生物特征识别和金融科技,他都有非常丰富的实践经验。努力推动互联网技术与传统产业的结合,曾经多次参加“互联网大篷车”活动,足迹遍及中国大江南北的传统企业。
经常在中国、美国和日本的互联网行业论坛分享知识和经验,也在多所中国和日本的知名大学里教授互联网支付、金融科技和互联网技术管理等课程。著有畅销书《一本书读懂支付》,翻译并出版了《架构即未来》《架构真经》《数据即未来》等多部经典著作。
程 戈
博士生导师,湘潭大学计算机学院·网络空间安全学院教授,湘潭大学技术转移中心副主任,湘潭市京东智能城市与大数据研究院副院长,智慧司法与数字治理湖南省重点实验室副主任,CCF计算法学会执委。
大模型领域技术专家和布道者,作为两项科技部国家重点研发子课题的负责人,与成都数之联等多家企业合作推动人工智能在司法领域的落地,带领团队开发了JusticeGPT司法大模型,不同于其他的以提升司法领域知识问答能力为核心的司法大模型,该大模型致力于提升司法文献检索增强生成以及司法文档的多跳信息聚合能力,并通过特定的多任务表征与控制指令生成框架重构司法信息化系统的业务中台,实现司法业务编排以及工作流自动化。
连续创业者,先后创立湘潭安道致胜信息科技有限公司等多家企业,曾经作为共同创始人加盟美国WiFi Free llc. ,开发了WiFi Free、WiFi Analyzer?等项目,其中WiFi Free在2014到2015年是Google Play市场相关WiFi分享类应用下载的前三名。作为技术顾问,先后服务于北京捷通华声等多家企业,提供知识表示学习的技术解决方案,为某知名私募开发了基于深度学习的股票趋势预测系统,成为该私募公司的主要量化工具。
目录
《ChatGPT驱动软件开发:AI在软件研发全流程中的革新与实践》
《ChatGPT原理与架构:大模型的预训练、迁移和中间件编程》
内容摘要
《ChatGPT驱动软件开发:AI在软件研发全流程中的革新与实践》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,本书能帮助架构师、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。作者在本书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,本书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。
《ChatGPT原理与架构:大模型的预训练、迁移和中间件编程》是一本深入阐述ChatGPT等大模型的工作原理、运行机制、架构设计和底层技术,以及预训练、迁移、微调和中间件编程的著作。它将帮助我们从理论角度全面理解大模型,从实践角度更好地应用大模型,是作者成功训练并部署大模型的过程复盘和经验总结。
第1章介绍了ChatGPT等大模型的发展历程、技术演化和技术栈等基础知识;
第2~5章深入讲解了Transformer的架构原理,并从GPT-1的生成式预训练到GPT-3的稀疏注意力机制详细描述了GPT系列的架构演进;
第6~8章从底层技术实现的角度讲解了大模型的训练策略、数据处理方法,以及如何利用策略优化和人类反馈来进一步提升模型的表现;
第9~10章首先详细讲解了大模型在垂直领域的低算力迁移方法,并给出了医疗和司法领域的迁移案例,然后讲解了大模型的中间件编程;
第11章对GPT的未来发展趋势进行预测,探讨数据资源、自回归模型的局限性,以及大模型时代具身智能的可行路线。
— 没有更多了 —
以下为对购买帮助不大的评价