《生成式AI实战》是您一直在寻找的全面而具体的生成式AI指南。它不仅介绍了AI的基本原理,还展示了其在企业环境中的实际应用——从为产品目录和营销活动生成文本和图像,到技术报告编写,甚至软件开发。书中,作者Amit Bahree分享了他在微软近十年领导生成式AI项目的经验,早在当前的GPT革命之前就已开始相关工作。 在《生成式AI实战》一书中,您将了解到:

  • 生成式AI应用的实用概览
  • 生成式AI的架构模式、集成指导和最佳实践
  • 最新技术,如RAG(检索增强生成)、提示工程和多模态技术
  • 生成式AI面临的挑战和风险,如幻觉现象和越狱
  • 如何将生成式AI集成到您的业务和IT战略中

《生成式AI实战》充满了生成式AI的实际应用案例,向您展示如何开始将这种强大的技术融入到您的产品和工作流程中。您将从经过实践验证的实施建议中获益,并学习如何在企业级规模上部署生成式AI的应用架构。 购买本书的印刷版还可获得Manning Publications提供的PDF和ePub格式的免费电子书。

关于这项技术

在受控环境中,深度学习系统在阅读理解、图像识别和语言理解方面经常超越人类。大型语言模型(LLMs)能够在文本和图像生成以及预测推理中提供类似的结果。然而,在实验室之外,生成式AI既能令人惊叹,也可能失败得十分彻底。那么,如何获得您想要的结果?继续阅读吧!

关于本书

《生成式AI实战》提供了使用LLMs和其他现代AI技术的具体示例、见解和技术。书中介绍了如何将AI实际应用于营销、软件开发、业务报告生成、数据故事化等通常由人类完成的任务。您将探索生成式AI应用的最新模式,掌握提示工程的最佳实践,并学会应对幻觉现象、高运营成本、技术变化速度快等常见问题。

**内容包括

  • 部署生成式AI应用的最佳实践
  • 生产级RAG(检索增强生成)
  • 将生成式AI模型适配您的特定领域

读者对象

本书适合企业架构师、开发者和数据科学家,他们希望通过生成式AI提升其架构。

关于作者

Amit Bahree是微软Azure AI工程团队的首席产品经理,负责为数百万客户构建下一代AI产品和服务。他还负责跨平台的定制工程,与关键客户合作,利用各种形式的AI(包括生成式AI)解决复杂的企业场景。

技术编辑

本书的技术编辑是Wee Hyong Tok。

目录

第一部分

  1. 生成式AI简介
  2. 大型语言模型简介
  3. 通过API工作:生成文本
  4. 从像素到图片:生成图像
  5. AI还能生成什么?

第二部分

  1. 提示工程指南
  2. 检索增强生成:秘密武器
  3. 与数据对话
  4. 通过模型适配和微调定制模型

第三部分

  1. 生成式AI应用的架构
  2. 扩展:生产部署的最佳实践
  3. 评估和基准测试
  4. 生成式AI伦理指南:原则、实践和陷阱

附录

A. 本书的GitHub仓库 B. 负责任的AI工具

关于作者

Amit Bahree是微软的首席项目经理,负责Azure AI平台上的AI产品和服务的下一代开发,并通过生成式AI等多种AI技术解决复杂的企业问题。

成为VIP会员查看完整内容
47

相关内容

书籍在狭义上的理解是带有文字和图像的纸张的集合。广义的书则是一切传播信息的媒体。
【新书】生成式人工智能模型,419页pdf
专知会员服务
73+阅读 · 9月3日
【新书】生成式人工智能完全指南,240页pdf
专知会员服务
80+阅读 · 7月30日
【新书】深度学习的数学和架构,552页pdf
专知会员服务
127+阅读 · 4月25日
【Manning新书】面向数据编程降低软件复杂度,426页pdf
专知会员服务
82+阅读 · 2022年9月5日
【干货书】深度学习数学:理解神经网络,347页pdf
专知会员服务
262+阅读 · 2022年7月3日
【2020新书】构建机器学习应用:从想法到产品,42页pdf
专知会员服务
97+阅读 · 2020年12月1日
【干货书】现代数据平台架构,636页pdf
专知会员服务
251+阅读 · 2020年6月15日
【2023新书】机器学习集成方法,354页pdf
专知
37+阅读 · 2023年4月11日
【干货书】优化算法,232页pdf
专知
24+阅读 · 2022年9月8日
国家自然科学基金
5+阅读 · 2017年6月30日
国家自然科学基金
12+阅读 · 2016年12月31日
国家自然科学基金
22+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年4月30日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Arxiv
148+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
375+阅读 · 2023年3月31日
Arxiv
63+阅读 · 2023年3月26日
Arxiv
133+阅读 · 2023年3月24日
Arxiv
19+阅读 · 2023年3月17日
VIP会员
相关VIP内容
【新书】生成式人工智能模型,419页pdf
专知会员服务
73+阅读 · 9月3日
【新书】生成式人工智能完全指南,240页pdf
专知会员服务
80+阅读 · 7月30日
【新书】深度学习的数学和架构,552页pdf
专知会员服务
127+阅读 · 4月25日
【Manning新书】面向数据编程降低软件复杂度,426页pdf
专知会员服务
82+阅读 · 2022年9月5日
【干货书】深度学习数学:理解神经网络,347页pdf
专知会员服务
262+阅读 · 2022年7月3日
【2020新书】构建机器学习应用:从想法到产品,42页pdf
专知会员服务
97+阅读 · 2020年12月1日
【干货书】现代数据平台架构,636页pdf
专知会员服务
251+阅读 · 2020年6月15日
相关基金
国家自然科学基金
5+阅读 · 2017年6月30日
国家自然科学基金
12+阅读 · 2016年12月31日
国家自然科学基金
22+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年4月30日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员