新書推薦：
![时尚箱包及配饰 [英]达拉-简·吉尔罗伊](http://103.6.6.66/upload/mall/productImages/24/31/9787111756842.jpg)
《
时尚箱包及配饰 [英]达拉-简·吉尔罗伊
》
售價：NT$
770.0
《
当代历史学新趋势：理论、方法与实践（论世衡史丛书，当下历史学在研究什么？未来历史学的趋势是什么？）
》
售價：NT$
510.0
《
晋国600年（全四册）
》
售價：NT$
1134.0
《
深中通道 穿越千年文明 迈向中国式现代化
》
售價：NT$
458.0
《
礼不远人：走近明清京师礼制文化
》
售價：NT$
494.0
《
杯中风土：日本酒的文化史
》
售價：NT$
411.0
《
简读中国史（全四册）
》
售價：NT$
1277.0
《
全球基础研究人才指数报告（2023）
》
售價：NT$
1550.0
|
| 編輯推薦： |
★全新起点：本书从大语言模型的使用环境出发，引导读者逐步实践、深入应用“提示工程”。
★技术前沿：紧随技术发展趋势，介绍并探讨前沿技术应用，启发读者发掘更多潜在应用价值。
★体系完善：章节内容组织得当，形成易于学习和理解的技术体系，帮助读者轻松掌握核心知识点。
★实用导向：结合丰富提示实例进行讲解，提供实际应用场景中的解决方案，助读者解决工作、学习中的实际问题。
★示例助力：提供大量提示示例，帮助读者触类旁通，轻松实现举一反三的效果。
|
| 內容簡介： |
随着大语言模型的快速发展，语言AI已经进入了新的阶段。这种新型的语言AI模型具有强大的自然语言处理能力，能够理解和生成人类语言，从而在许多领域中都有广泛的应用前景。大语言模型的出现将深刻影响人类的生产和生活方式。《AI提示工程实战：从零开始利用提示工程学习应用大语言模型》将介绍提示工程的基本概念和实践，旨在帮助读者了解如何构建高质量的提示内容，以便更高效地利用大语言模型进行工作和学习。
《AI提示工程实战：从零开始利用提示工程学习应用大语言模型》内容通俗易懂，案例丰富，适合所有对大语言模型和提示工程感兴趣的读者。无论是初学者还是进阶读者，都可以从《AI提示工程实战：从零开始利用提示工程学习应用大语言模型》中获得有价值的信息和实用技巧，帮助他们更好地应对各种挑战和问题。
|
| 關於作者： |
兰一杰
----------------------------
兰一杰，资深软件工程师、项目经理，出版图书《Python大数据分析分析从入门到精通》《从零开始利用Excel与Python进行数据分析》。
于辉
----------------------------
于辉，曾组织参与20余项大数据、物联网、区块链等IT软件领域发明专利的研发，在云网边端、数据要素化和数字政府建设领域具有深入的研究和实践经验。
|
| 目錄：
|
第 1 章 认识大语言模型
1.1 大语言模型是什么
1.2 大语言模型的发展现状
1.3 大语言模型的重要概念
1.4 大语言模型的使用方式
第 2 章 ChatGPT应用体验
2.1 第一次对话
2.2 设计特定语境上下文
2.3 模拟 API 参数
2.4 专业领域助手
2.5 基于对话绘图
2.6 场景总结
第 3 章 ChatGPT API
3.1 准备工作
3.2 ChatGPT API 调用流程
第 4 章 Python ChatGPT API库
4.1 Python ChatGPT 开发环境
4.2 Python 示例应用
4.3 解析 Python 示例应用
第 5 章 提示工程
5.1 提示工程是什么
5.2 提示内容
5.3 规范化提示
第 6 章 提示类型
6.1 标准、指令、角色提示
6.2 思维链提示
6.3 自洽、知识生成提示
6.4 总结和建议
第 7 章 基于提示工程应用Python数据分析
7.1 提示构建思路
7.2 Python 是什么
7.3 Python 语法特征
7.4 Python 变量
7.5 Python 运算符
7.6 Python 字符串
7.7 Python 条件控制
7.8 Python 循环
7.9 Python 复合数据类型
7.10 Python 函数
7.11 Python 类
7.12 Python 模块和包
7.13 Python Pandas 包
7.14 Python Matplotlib 包
第 8 章 基于提示工程应用SQL
8.1 应用思路
8.2 构建 SQL 语境
8.3 查询数据
8.4 数据排序分析
8.5 数据修改
8.6 数据删除
8.7 多表关联分析
8.8 字符串处理
8.9 日期、时间数据处理
8.10 窗口函数
8.11 报表分析
8.12 NULL 值处理
8.13 集成 Python 数据分析
8.14 SQL 集成 GPT
第 9 章 基于提示工程应用概率和统计
9.1 应用思路
9.2 基本概念
9.3 离散型随机分布
9.4 连续型随机分布
9.5 线性回归分析
9.6 时间序列分析
第 10 章 基于提示工程应用生产力工具
10.1 Excel 数据处理
10.2 思维导图
10.3 图片编辑
10.4 流程编辑
第 11 章 国产大语言模型
11.1 大语言模型通用提示技巧
11.2 介绍国产大语言模型
11.3 应用国产大语言模型
附录 1 部分国产大语言模型
附录 2 国产大语言模型的发展
|
| 內容試閱：
|
大语言模型的强大自然语言处理能力和对话生成能力使其成为构建智能对话系统的有力工具，并且在各个领域都有望发挥重要的作用。特别是在智能客服和支持、虚拟助手和个人助理、教育和培训、内容创作和编辑、语言翻译和交流、个性化推荐和营销等方面，大语言模型具有巨大的应用潜力。
提示工程作为一种优化对话性能、提高对话系统质量和灵活性的技术，在未来的发展中也将会越来越受到关注。通过使用提示工程，对话系统可以更好地理解和生成人类语言，从而提供更准确、更自然、更个性化的对话体验。
随着对话模型技术的发展和优化，提示工程将成为进一步提升对话系统质量的重要手段之一。特别是在控制生成内容、提高准确性、解决偏见和敏感问题、改善用户体验、生产工具集成等方面，提示工程具有广阔的应用前景。
笔者的使用体会
基于国产大语言模型和ChatGPT的“提示工程”实践展现出了令人印象深刻的语言理解和生成能力。这些大语言模型可以理解复杂的问题，并生成准确和流畅的回复，使得与大语言模型的对话感觉更加自然和真实。然而，由于大语言模型的训练数据和知识库的限制，它们在某些情况下可能会生成不准确或误导性的回复。因此，设计和优化提示文本非常重要。
构建提示内容是一个动态的过程，需要不断实践和优化。通过尝试不同的提示策略和技巧，以及与模型的交互，可以逐步提高对话质量和模型的性能。同时，用户也需要保持学习能力，不断储备专业知识并增加自身的语言表述能力。这样可以帮助用户更好地构建有效的提示内容，并对大语言模型回答内容的正确性作出判断。
本书特色
? 从零开始：从大语言模型的使用环境开始讲解，逐步实践、应用“提示工程”。
? 内容新颖：紧跟技术发展，实践和应用前沿技术，发掘潜在应用价值。
? 结构完整：章节内容环环相扣，形式合理的技术体系，易于学习和总结。
? 内容实用：结合大量提示实例进行讲解，可解决工作、学习中的实际问题。
? 示例提示：提供大量的提示示例，帮助读者做到举一反三。
本书读者对象
? 基于大语言模型学习“提示工程”的入门读者和进阶读者
? 使用大语言模型提升工作效率的白领
? 使用大语言模型提升学习质量的学生
? 数据分析师
? Python工程师
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
