大模型技术与应用(新时代大学计算机通识教育教材)

本书根据全国高等院校 计算机基础教育研究会发布 的《中国高等院校计算机基 础教育课程体系2024》中 有关“大模型技术及应用”课 程参考方案编写。 本书是高等学校人工智 能通识教育的一门核心课程 教材，主要内容包括大模型 的定义、分类、构建流程、 层次结构、核心技术、典型 平台、API调用、提示工程 、典型应用、数据分析、行 业应用和未来趋势等。此外 ，附录部分还设计了6个实 验，旨在帮助读者将理论知 识转化为实践能力。本书内 容新颖，讲解深入浅出，并 配有大量的例题和习题。 本书为教师提供了教学 大纲、PPT课件及习题参考 答案等配套教学资源，读者 可登录清华大学出版社官网 下载。本书适合作为高等学 校文理工通用的人工智能通 识课程教材，也可供对人工 智能和大模型技术感兴趣的 工程师和研究人员参考。

\"王志强,单位：深圳大学 职务、职称：教授 性别：男 年龄：61 个人简历（50字左右）：广东省教学名师，获得国家级规划教材3本，国家级一流课程2门，国家级教学成果二等奖2项。\"

第1章 大模型技术概述 1.1 人工智能与大模型发展史 1.2 大模型的定义 1.3 大模型的分类 1.3.1 按模态方式划分 1.3.2 按应用领域划分 1.4 大模型的构建流程 1.4.1 数据准备 1.4.2 模型选择与设计 1.4.3 模型训练 1.4.4 模型评估与优化 1.4.5 模型部署与维护 1.5 大模型的应用场景 1.5.1 文字生成：从对话到创作 1.5.2 图像生成：从想象到现实 1.5.3 音视频生成：声音与画面的合成 1.5.4 虚拟人生成：数字生命的诞生 1.5.5 代码生成：编程的自动化 1.5.6 多模态生成：融合的艺术 1.5.7 策略生成：决策的智能化 1.6 大模型与搜索引擎 1.6.1 相似性 1.6.2 差异性 1.6.3 互补性 本章小结 习题 第2章 大模型技术平台 2.1 大模型的层次结构 2.1.1 硬件基础设施层 2.1.2 软件基础设施层 2.1.3 模型即服务层 2.1.4 应用层 2.2 大模型的三大要素 2.2.1 算力 2.2.2 算法 2.2.3 数据 2.2.4 三大要素的协同 2.3 大模型的核心技术 2.3.1 Transformer架构 2.3.2 预训练模型 2.3.3 模型微调 2.3.4 基于人类反馈的强化学习 2.3.5 模型推理 2.4 大模型的典型平台 2.4.1 文心一言 2.4.2 Kimi智能助手 2.4.3 ChatGPT 2.5 大模型的API调用 2.5.1 API调用的意义 2.5.2 API的调用过程 2.5.3 文心大模型的API调用 本章小结 习题一 第3章 大模型提示工程 3.1 提示工程概述 3.1.1 提示工程的优化方法 3.1.2 提示工程的应用场景 3.2 零样本提示 3.2.1 零样本提示的内涵 3.2.2 零样本提示的优化策略 3.2.3 零样本提示的应用场景 3.2.4 零样本提示与迁移学习的关系 3.3 少样本提示 3.3.1 少样本提示的内涵 3.3.2 少样本提示的工作原理 3.3.3 少样本提示的应用场景 3.3.4 少样本提示的优势与局限 3.4 思维链提示 3.4.1 思维链提示的内涵 3.4.2 思维链提示的优化策略 3.4.3 思维链提示的应用场景 3.4.4 思维链提示的挑战与限制 3.5 思维树提示 3.5.1 思维树提示的内涵 3.5.2 思维树提示的工作步骤 3.5.3 思维树提示的应用场景 3.5.4 思维树提示与思维链提示的比较 3.6 自动提示工程 3.6.1 为什么需要自动提示工程 3.6.2 自动提示工程的技术原理 3.6.3 自动提示工程的未来方向 阅读材料：提示工程师 本章小结 习题三 第4章 大模型典型应用 4.1 内容创作 4.1.1 社交媒体 4.1.2 新闻报道 4.1.3 小说创作 4.1.4 诗歌创作 4.1.5 学术选题 4.2 智能办公 4.2.1 办公应用 4.2.2 会议管理 4.2.3 语言翻译 4.2.4 文档要点 4.3 智能客服 4.3.1 智能客服的优势 4.3.2 智能客服的关键技术 4.4 智能编程 4.4.1 编写程序代码 4.4.2 改写程序代码 4.4.3 协助解决程序异常 4.5 自动驾驶 4.5.1 数据处理与预处理 4.5.2 环境感知与理解 4.5.3 决策与规划 4.5.4 智能优化与控制 本章小结 习题四 第5章 大模型数据分析 5.1 数据分析概述 5.1.1 数据分析的定义 5.1.2 数据分析的特点 5.1.3 数据分析的流程 5.1.4 数据分析的应用 5.2 数据处理方法 5.2.1 数据预处理 5.2.2 数据选择 5.2.3 数值操作 5.2.4 数值运算 5.2.5 数据分组 5.2.6 时间序列分析 5.3 数据可视化 5.3.1 数据可视化及图表类型 5.3.2 柱形图应用 5.3.3 折线图应用 5.3.4 饼图的应用 5.4 回归分析 5.4.1 线性回归的概念 5.4.2 线性回归算法实现 5.4.3 多项式回归的概念 5.4.4 多项式回归算法实现 5.5 聚类分析 5.5.1 K-Means聚类分析 5.5.2 K-Means聚类算法实现 5.5.3 层次聚类分析 5.5.4 层次聚类算法实现 阅读材料：数据分析师 本章小结 习题五 第6章 大模型行业应用 6.1 行业大模型 6.1.1 行业大模型的概念 6.1.2 行业大模型的特点 6.1.3 行业大模型的应用 6.2 工业大模型 6.2.1 工业大模型的概念 6.2.2 工业大模型的技术流程 6.2.3 工业大模型的应用场景 6.3 金融大模型 6.3.1 金融大模型的概念 6.3.2 金融大模型的技术路径 6.3.3 金融大模型的应用领域 6.4 医疗大模型 6.4.1 医疗大模型的概念 6.4.2 常见的医疗大模型 6.4.3 医疗大模型的应用 6.5 教育大模型 6.5.1 教育大模型的概念