制造业大模型的构建与实践
全新正版 极速发货
￥ 63.3 6.4折 ￥ 99 全新
库存13件
广东广州
认证卖家担保交易快速发货售后保障
作者郭秉义 著
出版社机械工业出版社
ISBN9787111767442
出版时间2025-01
装帧平装
开本16开
定价99元
货号1203483665
上书时间2024-12-31
商品详情
- 品相描述：全新
- 商品描述
-
目录
CONTENTS<br />目 录<br />前言<br />基础篇<br />第1章 制造业与大模型 2<br />1.1 制造业的数字化进展 2<br />1.1.1 企业数字化 3<br />1.1.2 智能制造 8<br />1.2 大模型的基本知识 11<br />1.2.1 什么是大模型 11<br />1.2.2 大模型的基本能力 12<br />1.2.3 对大模型的常见误区 17<br />1.3 制造业为什么需要大模型 19<br />1.3.1 大模型赋能制造业 19<br />1.3.2 制造业是大模型的主战场 20<br />1.3.3 大模型在制造业中的应用 22<br />1.3.4 制造业大模型 24<br />1.4 小结 26<br />小故事 27<br />第2章 大模型基础 28<br />2.1 人工智能的发展历程 28<br />2.1.1 人工智能发展的三起三落 29<br />2.1.2 人工智能技术的流派之争 34<br />2.2 大模型简介 36<br />2.2.1 模型的概念 37<br />2.2.2 模型的分类 37<br />2.2.3 大模型的发展 39<br />2.3 大模型架构原理 41<br />2.3.1 Transformer架构的背景 41<br />2.3.2 Transformer架构的原理 42<br />2.3.3 Transformer架构模型的特点与发展 51<br />2.4 小结 53<br />小故事 54<br />第3章 大模型构建路径 55<br />3.1 大模型构建的基本方法 55<br />3.1.1 基本路径 55<br />3.1.2 资源准备 59<br />3.2 数据处理 62<br />3.2.1 低质过滤 62<br />3.2.2 冗余去除 63<br />3.2.3 隐私消除 65<br />3.3 分词 65<br />3.3.1 词级分词 66<br />3.3.2 字母级分词 67<br />3.3.3 子词级分词 67<br />3.3.4 中文分词 71<br />3.3.5 常用的分词器 72<br />3.4 词嵌入 73<br />3.4.1 独热编码 73<br />3.4.2 Word2Vec 75<br />3.4.3 常用的词嵌入方法 77<br />3.5 模型训练 79<br />3.5.1 模型构建 79<br />3.5.2 模型训练步骤 80<br />3.6 小结 83<br />小故事 84<br />第4章 大模型价值对齐 85<br />4.1 预训练模型的局限性 85<br />4.1.1 可控性 86<br />4.1.2 鲁棒性 88<br />4.1.3 安全性 89<br />4.1.4 大模型幻觉 90<br />4.2 指令微调 91<br />4.2.1 有监督微调 92<br />4.2.2 奖励模型 94<br />4.2.3 基于人类反馈的强化学习 95<br />4.2.4 指令微调总结 96<br />4.3 混合专家模型 96<br />4.3.1 MoE的概念 97<br />4.3.2 MoE的基本原理 98<br />4.3.3 MoE的实现方式 101<br />4.3.4 MoE总结 104<br />4.4 小结 106<br />小故事 107<br />第5章 多模态大模型 109<br />5.1 多模态大模型简介 109<br />5.1.1 多模态大模型的概念 109<br />5.1.2 多模态大模型的发展历程 112<br />5.1.3 多模态大模型的主要任务 113<br />5.2 多模态基本技术 115<br />5.2.1 多模态编码 115<br />5.2.2 多模态融合 117<br />5.2.3 对比学习 118<br />5.3 AIGC技术 119<br />5.3.1 生成对抗网络 119<br />5.3.2 扩散模型 121<br />5.4 AIGC应用 127<br />5.4.1 常用的多模态大模型 128<br />5.4.2 文生图 128<br />5.4.3 文生视频 130<br />5.5 小结 134<br />小故事 136<br />第6章 提示词工程 137<br />6.1 提示词简介 137<br />6.1.1 提示词的概念 137<br />6.1.2 提示词的必要性 140<br />6.1.3 提示词的类别 141<br />6.2 提示词工程技术 142<br />6.2.1 少样本提示 142<br />6.2.2 零样本提示 143<br />6.2.3 提示词通用技巧 145<br />6.3 思维链系列技术 152<br />6.3.1 思维链 153<br />6.3.2 思维树 155<br />6.3.3 思维图 157<br />6.4 对抗提示 157<br />6.4.1 提示词攻击 158<br />6.4.2 防御策略 159<br />6.5 小结 160<br />小故事 162<br />应用篇<br />第7章 制造业企业应用大模型的方法 164<br />7.1 企业应用大模型的8种情形 164<br />7.1.1 企业资源现状 164<br />7.1.2 大模型应用的8种情形 167<br />7.2 垂直制造领域大模型的构建方法 169<br />7.2.1 全量微调 170<br />7.2.2 局部微调 170<br />7.2.3 适配式微调 171<br />7.2.4 前缀式微调 173<br />7.2.5 外挂式微调 175<br />7.2.6 混合式微调 177<br />7.2.7 微调技术对比 178<br />7.3 大模型检索增强生成 179<br />7.3.1 RAG的概念 181<br />7.3.2 向量数据库的构建 182<br />7.3.3 相似检索 185<br />7.3.4 智能生成 186<br />7.3.5 RAG效果评估 188<br />7.3.6 RAG应用场景 190<br />7.4 小结 190<br />小故事 193<br />第8章 基于大模型的AI Agent 195<br />8.1 AI Agent简介 195<br />8.1.1 AI Agent技术简史 195<br />8.1.2 对AI Agent的不同理解 197<br />8.2 AI Agent原理 199<br />8.2.1 基本框架 200<br />8.2.2 感知模块 201<br />8.2.3 大脑模块 204<br />8.2.4 行动模块 206<br />8.2.5 大模型与AI Agent的关系 207<br />8.3 AI Agent应用 208<br />8.3.1 流行的AI Agent 208<br />8.3.2 AI Agent与RPA的关系 211<br />8.4 LangChain：AI Agent高效实战工具 213<br />8.4.1 LangChain工具简介 214<br />8.4.2 提示词模板 216<br />8.4.3 链模块 218<br />8.4.4 代理模块 224<br />8.5 小结 225<br />小故事 227<br />第9章 大模型部署与压缩 228<br />9.1 大模型部署 228<br />9.1.1 云端部署 228<br />9.1.2 边缘部署 230<br />9.2 大模型压缩 231<br />9.2.1 模型压缩简介 232<br />9.2.2 蒸馏 234<br />9.2.3 量化 236<br />9.2.4 剪枝 238<br />9.2.5 参数共享 239<br />9.3 软硬件适配 241<br />9.4 小结 242<br />小故事 243<br />第10章 工业制造大模型的应用实践 244<br />10.1 工业制造大模型简介 244<br />10.1.1 工业制造大模型的概念 244<br />10.1.2 工业制造大模型的种类 246<br />10.1.3 工业制造大模型的构建方式 247<br />10.2 大模型在生产制造环节的应用 248<br />10.2.1 智能排产 249<br />10.2.2 生产工艺优化 251<br />10.2.3 产品质检 252<br />10.2.4 工业机器人 255<br />10.3 小结 257<br />小故事 258<br />第11章 设备运维大模型的应用实践 259<br />11.1 设备运维大模型的现状 259<br />11.1.1 设备运维行业的特点 259<br />11.1.2 设备运维大模型的行业案例 262<br />11.2 电梯运维行业 264<br />11.2.1 电梯运维简介 265<br />11.2.2 电梯运维行业的挑战 267<br />11.3 大模型在电梯运维行业的应用 268<br />11.3.1 人才培养与培训 269<br />11.3.2 预测性维护 271<br />11.3.3 运维现场规范管理 274<br />11.3.4 智能客服与知识问答 276<br />11.3.5 运维档案管理 278<br />11.4 小结 280<br />小故事 282<br />第12章 总结与展望 283<br />12.1 大模型技术大观园 283<br />12.1.1 技术理论流派 284<br />12.1.2 思想与技术 286<br />12.2 大模型应用万花筒 289<br />12.2.1 赋能千行百业 289<br />12.2.2 制造业应用 292<br />12.3 大模型展望 292<br />12.3.1 正确认识大模型 293<br />12.3.2 Transformer是终极架构吗 294<br />12.3.3 模型越大越好吗 295<br />12.3.4 通用还是垂直 297<br />12.3.5 大模型与机器人 299<br />12.3.6 伦理与道德 300<br />12.4 小结 302
内容摘要
在智能制造和数字化转型的背景下，这是一本讲解大模型融合制造业应用的实战指南。由上市企业的智能化负责人，基于实际项目落地经验撰写。
本书主要内容如下：
（1）基础篇
首先，探讨大模型在制造业中的应用与价值，使读者对二者的关联建立基本认知。然后，介绍大模型的发展历程、核心概念和 Transformer 架构原理。之后，深入讨论大模型构建路径，包括数据处理、分词、词嵌入和训练等关键步骤。同时，指出预训练模型的局限性，并提出相应的优化策略，如指令微调和混合专家模型。此外，本篇还涉及多模态大模型与 AIGC技术，以及提升大模型性能和安全性的提示词工程。
（2）应用篇
首先，介绍大模型技术在制造业企业中的应用方法，包括 8 种适用情形、垂直领域微调技术和 RAG（检索增强生成）技术。然后，围绕 AI Agent，介绍其内部原理、应用案例、与 RPA（机器人流程自动化）的关系以及实战工具 LangChain的使用方法。接着，详细介绍大模型的云端和边缘部署方案、大模型压缩的常用技术（如蒸馏、量化、剪枝等）以及软硬件适配策略。并且，通过两个实践案例，展示了大模型在工业制造、设备运维等领域的具体应用，涉及智能排产、生产工艺优化、预测性维护等关键知识。最后，综合全书内容，对大模型的技术与应用进行梳理和总结，并且对其未来发展趋势进行深入思考和展望。
主编推荐
（1）话题前沿：本书践行“新质生产力”，内容前沿又有引领作用，能有效指导制造业从业者在AI时代的学习与发展。
（2）作者权威：作者是上市公司的智能化研发负责人，主导推进制造领域的数字化与智能化转型，长期专注于人工智能融合工业应用。先后就职于通信、教育、地产、制造等行业的世界500强企业，拥有丰富的智能化落地经验，主导千万级规模项目。
（3）内容落地：本书详细介绍了大模型从数据处理、模型训练到部署压缩的完整构建路径，结合多个实际案例，提供大模型技术在智能制造、智能设备等领域的落地方案，具有很强的实践指导意义。
（4）通俗易懂：本书表达风格简单直接，从制造视角看AI大模型，贴近生产者语境。将复杂的AI算法放在行业场景下，转化为简单的工作原理描述，符合读者需求。
— 没有更多了 —
以下为对购买帮助不大的评价