包邮ChatGLM部署、微调与开发

序言一序言二前　言PART??1**部分　应用技术篇第1章　人工智能大模型概述 21.1　人工智能与大模型简介 21.2　大模型的概念 71.3　大模型的分类 121.4　大模型的应用 141.5　大模型的国内外发展现状 181.6　大模型的意义 251.7　本章小结 25第2章　ChatGLM 26序言一序言二前　言PART??1**部分　应用技术篇第1章　人工智能大模型概述 21.1　人工智能与大模型简介 21.2　大模型的概念 71.3　大模型的分类 121.4　大模型的应用 141.5　大模型的国内外发展现状 181.6　大模型的意义 251.7　本章小结 25第2章　ChatGLM 262.1　智谱AI简介 262.2　ChatGLM是怎样炼成的 272.3　提示词工程 332.4　ChatGLM应用案例 392.5　本章小结 59第3章　大模型国内外商业应用案例 603.1　GLM企业级解决方案及十大应用案例 603.2　国内其他大模型商业应用案例 673.3　国外大模型商业应用案例 723.4　国内外大模型应用落地现状 793.5　本章小结 79第4章　大模型未来发展趋势及挑战 804.1　大模型技术发展趋势 804.2　大模型产业应用趋势 864.3　人工智能伦理与安全 884.4　大模型面临的挑战 914.5　本章小结 92PART??2第二部分　理论基础篇第5章　机器学习与深度学习概述 945.1　机器学习基础概念 945.2　深度学习基本原理 1015.3　本章小结 113第6章　大模型的任务与典型框架 1156.1　自然语言处理大模型 1156.2　计算机视觉大模型 1236.3　多模态大模型 1256.4　本章小结 127第7章　GLM大模型预训练、微调与评估 1287.1　大模型预训练 1287.2　大模型参数微调 1307.3　大模型部署 1367.4　大模型评估 1427.5　本章小结 155第8章　大模型与知识图谱 1568.1　知识图谱增强大模型 1578.2　大模型增强知识图谱 1628.3　大模型与知识图谱协同 1678.4　知识图谱在大模型中的应用 1698.5　本章小结 170PART??3第三部分　实践案例篇第9章　Python语言基础 1729.1　Python语言简介 1729.2　Python环境安装配置与验证 1739.3　基本概念 1769.4　数据结构 1829.5　函数与模块 1859.6　面向对象编程 1899.7　异常处理与调试 1939.8　I/O操作与文件处理 1979.9　ChatGLM开发接口与实例 2019.10　本章小结 207第10章　Python Web开发 20810.1　Web概述 20810.2　Web前端开发技术 21110.3　Web前端开发工具 21910.4　浏览器工具 22110.5　Web前端开发必知标准 22310.6　Web前端开发框架 22410.7　Python Web开发环境搭建 23510.8　FastAPI框架 23810.9　Web服务和部署 24610.10　ChatGLM Web应用开发 实例 25110.11　本章小结 256第11章　数据准备 25711.1　数据获取 25811.2　数据清洗 26211.3　数据标注 26411.4　数据增强 26611.5　系统开发的数据准备 26811.6　本章小结 270第12章　环境搭建 27112.1　软硬件环境需求 27112.2　软件环境安装 27112.3　本章小结 278第13章　本地部署ChatGLM3-6B 27913.1　通过ModelScope社区下载模型 27913.2　克隆仓库 28013.3　运行ChatGLM3-6B Demo 28113.4　LangChain的介绍 28213.5　ZhipuAI在LangChain中的使用 28313.6　常见问题及解决方法 28413.7　本章小结 285第14章　ChatGLM微调 28614.1　模型微调 28614.2　部署微调的模型 29614.3　本章小结 296第15章　基于GLM智能体虚拟角色养成系统 29715.1　需求分析 29715.2　总体设计 29915.3　详细设计 30015.4　系统实现 30715.5　系统测试 33115.6　系统使用说明 33615.7　案例系统部署 34415.8　本章小结 353参考文献 354