大模型时代的人工智能基础与实践——基于OMNIFORCE的应用开发教程

第 1 章 导论 1
1.1 人工智能概述 1
1.1.1 人工智能的发展进程 1
1.1.2 人工智能的三大要素及其关系 2
1.1.3 人工智能的两大学派 3
1.2 大模型技术的崛起与模型通用化 4
1.3 人工智能应用的泛在化 7
1.3.1 云边一体 8
1.3.2 虚实融合 9
1.3.3 开放环境 14
1.4 智能技术的普及化和低门槛化 14
1.5 小结 15
第 2 章 人工智能基础 16
2.1 传统机器学习 16
2.1.1 线性回归 16
2.1.2 逻辑回归 22
2.1.3 朴素贝叶斯 24
2.1.4 树模型 27
2.1.5 类推方法 30
2.1.6 聚类 36
2.1.7 降维 39
2.1.8 关联分析 45
2.1.9 集成学习 49
2.2 深度学习 56
2.2.1 单层感知机 57
2.2.2 多层感知机 59
2.2.3 卷积神经网络 66
2.2.4 循环神经网络 71
2.2.5 Transformer 74
2.3 计算机视觉 78
2.3.1 视觉纹理增强 78
2.3.2 视觉结构感知 83
2.3.3 视觉语义理解 88
2.3.4 视觉内容生成 93
2.4 自然语言处理 97
2.4.1 自然语言理解 97
2.4.2 自然语言生成 99
2.4.3 跨语种自然语言处理 102
2.5 多模态任务 104
2.5.1 多模态数据对齐 104
2.5.2 多模态信息理解 110
2.5.3 多模态内容生成 115
2.6 大模型与超级深度学习 121
2.6.1 大模型架构设计 121
2.6.2 大模型训练 126
2.6.3 大模型工业化模式 137
2.6.4 大模型领域微调技术 140
2.6.5 LangChain 150
2.6.6 AI Agent 155
2.6.7 AgentGPT 158
2.6.8 LLMOps 159
2.7 自动化机器学习 161
2.7.1 自动化机器学习流水线 161
2.7.2 自动化机器学习算法 162
2.7.3 近似与加速方法 168
2.8 人工智能的可信赖性 170
2.8.1 可解释性 170
2.8.2 稳定性 171
2.8.3 隐私保护能力 172
2.8.4 公平性 173
2.8.5 大语言模型的可信赖性 174
第 3 章 OmniForce 平台介绍 180
3.1 支持全生命周期管理的自动化机器学习 180
3.2 以人为中心的自动化机器学习 182
3.3 OmniForce 的功能与流程 183
3.3.1 项目管理 183
3.3.2 项目创建 184
3.3.3 项目空间 185
3.3.4 多目标管理 188
3.3.5 数据管理 197
3.3.6 数据变换与标注 208
3.3.7 模型训练 215
3.3.8 模型部署 230
3.3.9 模型推理 232
3.3.10 模型监控 234
3.3.11 文件管理 236
3.3.12 用户中心 237
第 4 章 OmniForce 案例实践 239
4.1 智能标注 239
4.1.1 项目目的 239
4.1.2 创建项目 239
4.1.3 自动驾驶 2D/3D 感知大模型预标注 242
4.1.4 案例总结 243
4.2 智能数字内容生成 244
4.2.1 项目目的 244
4.2.2 产品功能介绍 244
4.2.3 自定义模型部署 244
4.2.4 功能展示 245
4.3 智能表格处理 246
4.3.1 项目目的 246
4.3.2 创建项目 247
4.3.3 模型性能指标 249
4.4 智能时序预测 251
4.4.1 项目目的 251
4.4.2 创建项目 251
4.4.3 模型性能指标 254
4.5 大模型垂域微调 256
4.5.1 项目目的 256
4.5.2 创建项目 256
4.5.3 模型性能指标 258
第 5 章 大模型时代的展望 261
参考文献 263