圖像生成式AI的生存指南：以Stable Diffusion為例 (1版)
類似書籍推薦給您
【簡介】
深入探索AIGC技術與應用，解析Stable Diffusion的核心原理與操作
「一本全面而深入的指南，專為想深入了解圖像生成式AI的你所寫。無論你是新手還是專家，這裡都有你需要的知識。」
全面涵蓋AIGC技術：深入解析AIGC的核心原理、特色與演進，讓讀者完整了解圖像生成式AI的基礎。
專注於Stable Diffusion：專章介紹Stable Diffusion的相關原理，包括其主要原理、Prompt Engineering、Embedding原理等，幫助讀者深入掌握該技術。
實用性指南：提供Stable Diffusion的應用指南，從安裝、模型訓練到評估等多個方面，具體指導讀者如何操作和應用。
技術詳解：涵蓋了AIGC相關技術的原理，包括VAE、GAN、PixelRNN、Flow、Transformer、NeRF等，幫助讀者建立完整的技術知識體系。
實際操作教學：除了技術原理外，還提供了生成式圖像工具的介紹、SD生成模式的使用方法等，使理論與實踐相結合。
未來展望與道德議題：不僅介紹了AIGC的技術走向，還探討了AIGC的道德議題，提供讀者更全面的視角。
業界操刀：由具備執業經驗的作者撰寫，內容深入、詳實，適合從初學者到專家的讀者。
豐富的圖像與表格：圖目錄和表目錄清晰列出，幫助讀者更直觀地理解和學習。
【目錄】
推薦序「以終為始 善性循環」-承啟科技董事長暨總經理 高樹榮
序「生成式AI 圖像新時代」
第一章 AI 元年
1.1 緣起
1.2 什麼是AIGC
1.3 AIGC 的特色與應用
1.4 AIGC 的演進
第二章 AIGC 的相關技術
2.1 VAE 原理
2.2 GAN 原理
2.3 PixelRNN 原理
2.4 Flow 原理
2.5 Diffusion 原理
2.6 Transformer 原理
2.7 NeRF 原理
2.8 CLIP 原理
第三章 Stable Diffusion 的相關原理
3.1 Stable Diffusion 原理
3.2 Prompt Engineering
3.3 PEFT - 效率調參的方法介紹
3.4 Embedding 原理
3.5 Dreambooth 原理
3.6 LoRA 原理
3.7 HyperNetwork 原理
3.8 ControlNet 原理
3.9 Super Resolution - SwinIR
3.10 SD XL 原理
3.11 圖像生成模型的優化
3.12 圖像生成模型的分析
第四章 Stable Diffusion 的應用
4.1 生成式圖像工具介紹
4.2 SD 的安裝教學，介面總覽
4.3 SD 生成模式介紹與使用
4.4 SD 生成方法的選擇
4.5 SD 模型訓練
4.6 評估SD 模型的方法
4.7 SD 模型下載站介紹
4.8 SD 生成模式介紹與使用之一
4.9 SD 生成模式介紹與使用之二
4.10 SD 生成模式介紹與使用之進階功能
4.11 ControlNet 應用
4.12 SD XL 應用
第五章 圖像生成式AI 的未來
5.1 AIGC 的道德議題
5.2 AIGC 的技術走向
5.3 全書總結
立即查看
主宰未來的生成式AI大革命：全方位剖析生成式人工智慧所帶來的社會環境、企業發展、個人前途等全面的影響與如何因應 (1版)
類似書籍推薦給您
【簡介】
正確認識革命意義的人，就有未來！歡迎擾亂秩序的改變！
資訊經濟理論大師預見了社會的重大變化。
生成式人工智慧將創造出什麼樣的世界？
本書將從多個面向闡述生成式人工智慧的影響力！
◆「沒有生成式人工智慧的世界」將會終結。「生成式人工智慧的世界」即將展開。今後的時代，人類的智力活動將變得完全不同。
◆革命已經在進行中。如此快速普及的新技術前所未有。而且，生成式人工智慧是一種可用於多種用途的「通用技術」。社會結構將會發生重大變化。
◆生成式人工智慧將帶給勞動生產力顛覆性的變化。那些不接受此變革的企業，將可能會面臨毀滅性的成本增加和陷入不利創新的劣勢。企業應該立即開始作準備。重組商業模式、為了將人工智慧納入工作流程而轉變工作方式，在在顯示現在正是企業領導者該開始內部創新的時刻了。
◆最危險的是低估或背棄這項技術。如果因為畏懼變革而不引進新技術，肯定會在世界進步的潮流中遠遠落後。
本書特色
◆仔細閱讀本書後，將發現生成式人工智慧和人工智慧是有區分的，但基本上本書是以生成式人工智慧為重點。此外，關於人工智慧的運作機制，可能會讓人感覺到過於詳細，似乎並不必要，但讀完一遍後，對人工智慧的應用上會有清楚的概念和助益。在此作者展現了自身理科背景的優勢。
由於在生成式人工智慧相關領域有很多年輕寫手輩出，因此寫出的內容變得易於趨附潮流。本書因在截然不同、差異甚大的時代寫成的，對於考察和經驗法則的論述方式也有所不同，可幫助讀者從多方面的角度理解生成式人工智慧。
◆生成式人工智慧帶來的生產力提升，是革命性的。然而，之後可能會是失業和貧富差距的反烏托邦。這將是無法逃避的現實。儘管如此，作者仍然秉持其一貫風格，結合政策論與經濟理論，大聲疾呼：在人工智慧生成後「可以實現烏托邦」世界。
此外，也有預測「一半的白領將失業」。財富僅僅積累在少數企業中，經濟並不會擴張。結果，白領失業氾濫，貧富差距和社會不安在這個反烏托邦中肆虐。在這樣的時候，所需要的就是「政策」。作者以獨特的觀點，從政策面、企業界乃至個人用戶，全方位且具體剖析生成式人生工智慧帶給人類的影響。
◆生成式人工智慧是「人類歷史上的分水嶺」。如果能擴展到教育和醫療，將能豐富人們的生活，成為人們的談話夥伴，並克服語言的障礙。然而，一旦出錯，就可能變成反烏托邦。然而，作者表示「政策可以改變」。對於成長遲緩且老化的日本來說並不容易，但如果能夠以低成本使用生成式人工智慧，並且能夠建立可重新配置的勞動市場，就能創造富裕和平等的社會。作者明確點出這需要政治過程。
要享受生成式人工智慧帶來的富裕，創造將生產力提升與經濟成長相連結的需求是不可或缺的。現在最需要的是政治決策和政策。作者一如既往地尖銳而深刻的言論，在本書中展現無遺。
◆從ChatGPT到人工智慧的引進將會帶來什麼樣的變化，都在本書加以詳細介紹。本書不僅是官方機構、教育和企業的變化，還能讓讀者一目了然地把握對整個社會的巨大影響。
除此之外，人工智慧能做的事情、不能做的事情、未來可能性，以及身為經濟學者想提出什麼樣的問題點，皆鉅細靡遺地總結在這一本書中。
【目錄】
前言
第一章 人們如何使用ChatGPT？
第一節 透過問卷調查了解ChatGPT的使用方式
如何使用生成式人工智慧？／預期的結果和出乎意料的結果／翻譯和摘要國外文獻的能力受到高度評價／運用在撰寫文章上比校正文章上多／運用在提出創意想法上相當多／「標題」和「問題解決方案」是提出創意想法的具體內容
第二節 我如何使用ChatGPT？
語音輸入的錯誤轉換校正明顯變簡單了／也能使用在資料收集上／ChatGPT無法做到的事情／進步顯著／注意「幻覺」和能力的極限
第三節 生成式人工智慧比搜尋引擎更容易使用嗎？
即使不知道搜索詞，用ChatGPT也可以查尋／搜尋引擎有時不會給你想要的答案／引進外掛程式來對抗「幻覺現象」／Bing的快速成長和谷歌的停滯
第四節 企業和地方政府如何使用生成式人工智慧？
日本使用生成式人工智慧到什麼程度？／地方政府的使用狀況／時事通信社的問卷／與生成式人工智慧整合的應用程式介面／未來展望
第五節 生成式人工智慧的影響已在教育領域顯現。在日本，企業的使用毫無進展
在日本企業中的使用沒有進展／在教育和學習中的使用不斷增加／教育界的使用領先於商業界／對教育和學習體制的影響已經顯現出來／日本能跟上這個重大變化嗎？
第六節 ChatGPT將帶給企業活動從根本上的大變革
對教育的重大影響／在醫療、保健領域上的各種運用／完善金融方面的客戶服務／在法律事務和科學研究上的運用／完善客戶服務並成為數位轉型平臺
第一章總結
第二章 企業可以使用ChatGPT到什麼程度？
第一節 透過問卷調查了解ChatGPT的使用方式
ChatGPT有多重要？／現在是開始準備的時候了／已經在做的事情／未來二至五年內有可能成為現實的狀況／需要重新建構商業模式／日本企業經營者能引領改革嗎？
第二節 生成式人工智慧超過75％的價值來自「客戶服務」和「銷售或行銷」
生成式人工智慧將大大改變銷售／市場行銷上的使用／內部的知識管理系統／客戶服務／零售業／對銀行業的重大影響／研發上的潛力／共識：變革是革命性的
第三節 ChatGPT將徹底改變藥物研發
藥物研發的革命性變化／人工智慧在新冠疫苗中大顯身手／製藥公司與科技公司的共同體制／研究平臺泰拉／武田製藥的人工智慧藥物研發
第四節 日本金融機構如何使用它？
銀行的使用／證券公司的使用／保險公司的使用／日本金融機構不將它用於客戶業務
第五節 對ChatGPT持積極和消極態度的公司
三井化學的新舉措／日立的舉措／松下等公司的積極使用／許多公司都持負面態度
第六節 ChatGPT的外部服務也在日本有所進展
使用ChatGPT的公司外部服務／聊天機器人與登場的ChatGPT攜手合作／靠應用程式介面串接擴展用途／ChatGPT應用程式介面的具體用途
第七節 憑藉生成式人工智慧和智能合約的全自動化企業
靠區塊鏈自動化／什麼是智能合約？／從比特幣到去中心化金融／到靈活的智慧合約／完全自動化的公司／哪些工作只能由人類完成？
第二章總結
第三章 能否實現資料驅動型經營？
第一節 使用生成式人工智慧的最大目標是支援決策
日本考慮的是單純業務的效率化／生成式人工智慧如何支援決策？／以往方法與生成式人工智慧方法的差異／透過大數據處理實現「資料驅動型經營」／銀行應用程式介面的使用也有可能實現
第二節 進行資料驅動型經營的企業
亞馬遜／網飛／愛彼迎／日本超商集點卡的資訊使用
第三節 企圖轉換為能活用生成式人工智慧的企業結構
包括管理層在內的所有員工都必須使用它，這點很重要／有必要建立資料驅動型的組織文化／日本企業的垂直結構是一個問題／到目前為止日本企業尚未活用資料／資訊變得更加孤島化／不改革日式的組織文化，日本將被淘汰
第三章總結
第四章 ChatGPT也走進醫療與法律相關領域
第一節 生成式人工智慧能否實現「不需要律師的社會」？
未來會產生超越網路的影響／生成式人工智慧可用於製作合約／律師的角色會消失嗎？／能克服幻覺產生的錯誤嗎？
第二節 ChatGPT進軍醫療保健領域
ChatGPT的自我分類能力高／它也被評為優於人類／如谷歌的Med-PaLM等醫學專業大型語言模型／謹慎的意見也很強烈／與健康相關的使用涉及各種微妙問題
第三節 知識壟斷的瓦解：ChatGPT取代律師和醫生的日子來到了嗎？
ChatGPT進軍法律和醫學領域／專業人才價值下降
第四節 ChatGPT正在奪取文案撰寫人的工作
ChatGPT將奪走文案撰寫人的工作／因人工智慧而裁員實際上已經開始／成本比品質更受重視／「使用ChatGPT是因為它功能強大」的觀點也存在／正職員工與非正職員工之間的問題／「你贏不了不用錢的？」
第四章總結
第五章 知識傳播與教育機構根基的巨大變化
第一節 ChatGPT將動搖教育的根基
比起對學徒或學生的管束規定，教育工作者如何改變才是問題／雖然有積極使用的描述……
／教育與學習用的應用程式大量出現／目前的能力有限／家教老師的角色比老師更適合／學習到底有必要嗎？／是否需要專業知識？有必要為專業教育而進大學？
第二節 ChatGPT是否在《紐約時報》訴訟中陷入困境？
根據判決結果，ChatGPT將不成立／預訓練的價值是學習用文本的價值，還是模型的價值？／ChatGPT不能免費使用嗎？／生成式人工智慧會摧毀傳統媒體嗎？／我的實驗：用生成式人工智慧可以閱讀網路上的報導文章嗎？
第五章總結
第六章 大型語言模型的運作原理
第一節 要想使用得更好，就必須知道它的結構原理
解說報導沒有寫出重要的事／說明難懂的原因：沒有說明基本要點／一般用語「參數」用作特殊含義／「受教的方法」很重要／詢問ChatGPT就能了解想知道的事
第二節 人工智慧透過深度學習不斷進化
機器學習／類神經網路／深度學習讓人工智慧的能力顯著提升了
第三節 深度學習的各種方法
深度學習的方法：監督式、非監督式等／阿爾法圍棋使用了「監督式學習」和「強化式學習」／智慧型手機的大型語言模型是「監督學習」／GPT之類的是「自監督學習模型」和「監督式學習」
第四節 大型語言模型
深度學習的各種用途／大型語言模型和生成式人工智慧的定位／迄今為止已開發的大型語言模型／巨額的成本該如何籌措？
第五節 編碼器讀取並理解文章
為什麼ChatGPT能理解自然語言？／變換器模型與注意力機制／通常給的說明都太粗糙了／編碼器的目的在於理解文章的含義／單詞作成向量來呈現／用「嵌入向量」表示單詞／查詢、鍵、值的計算很重要／不同的文章對單詞的解釋也會有所不同
第六節 解碼器生成輸出確實是非常奇妙的機制
解碼器的角色／解碼器生成答案的過程／解碼器用機率判斷來決定輸出是自然的事／讓ChatGPT順其自然。它並非全盤考量後才回答的／ChatGPT不重新審視答案嗎？／ChatGPT考量文章脈絡／同一問題的不同答案／對提示指令寫法的影響／ChatGPT只使用解碼器
ChatGPT讀了多少書？
ChatGPT博學是因為進行了大量的預訓練／讀了人類五千倍的書籍量／與日本國會圖書館的資訊量幾乎相同／如果問ChatGPT的能力極限／真正會創造性工作的是人類／人工智慧沒有情感
第六章總結
第七章 大失業、大轉行時代
第一節 ChatGPT可以自動化哪些工作？
人工智慧造成失業已經成為現實／受影響的是電話推銷員和大學教師／大約八成勞動力在一成工作中受到影響／進入門檻高、薪資高的職業將受到影響／使用資料進行實證分析和研討對策也是必要的
第二節 如果生成式人工智慧在日本全面實施，失業率有可能達到25％
三分之二的勞工面臨生成式人工智慧引發的自動化，25～50％的業務被人工智慧所取代／在行政暨管理職和法務工作上大約45％的業務可以自動化／白領階級會有一半失業嗎？／實際上失業的勞工比例不是25％，而是控制在7％左右／最必要的經濟政策是確保勞動力的流動性
第三節 知識工作者是最大受害者
把占用員工時間60～70％的作業活動自動化／將高學歷者的工作自動化／經濟擴張規模比英國國內生產毛額還大／一半的高度腦力工作可自動化／也出現「例行性工作上失業、高技能工作上新增僱用」的分析
第四節 ChatGPT是勞工的朋友，還是敵人？
生成式人工智慧對低技能勞工有利嗎？／問題是總需求量是否會增加／行政工作人手過剩，人手不足的建築和護理行業受到生成式人工智慧的影響小／員工在職別之間和行業之間流動是必要的／我親眼目睹到20世紀60年代的大規模自動化
第五節 因應生成式人工智慧改變工作方式的人會活下來
第三次工業革命將是腦力工作受到影響，而非體力工作／工作是否會被生成式人工智慧取代取決於提示指令有多重要／專業性職業的工作內容發生變化／教師的工作內容將會改變
第六節 生成式人工智慧迫使人們重新審視技能再培訓的內容
大規模失業最終也將成為日本的問題／就職冰河期世代面臨退休年紀／大換跑道時代？／再培訓的目的是提高基礎能力／日本政府對問題意識依然過時
第七章總結
第八章 這是反烏托邦嗎？
第一節 「奇點」已經到來了嗎？
影響比火和電更深遠／預測在2045年／顯然通過了圖靈測試／富者越富／所有人都需要可以免費使用的環境／制定生成式人工智慧的規則
第二節 反烏托邦與「安娜．卡列尼娜法則」
關於生成式人工智慧的「安娜．卡列尼娜法則」／失業的發生／只有富人才能進一步提升能力的反烏托邦／人們迷失生存的意義／老大哥的世界／那麼要怎麼做呢？
第三節 「基本收入」是解決人工智慧造成失業問題的正確答案嗎？
人工智慧造成的失業成為現實問題／重新檢討現行制度才是必要的／不工作也能生活的社會是否健全？／自由工作者失業／制度改革的必要性刻不容緩
第四節 人啊，不要自満：若仗著「共鳴」就會失業
大失業時代的腳步聲／雖然「人工智慧不是萬能」的看法很強烈……／有時人工智慧的訊息也會讓人感動／有時會與人工智慧產生共鳴
第五節 中國問題
百度3月發表文小言（文心一言）／8月向公眾發布文小言機器人／2017年BabyQ引起的軒然大波／「聰明」的文小言／人才短缺／對中國以外的地區也產生影響的可能性
第八章總結
第九章 我們能否實現烏托邦？
第一節 實現富裕的社會
人類的夢想成真／生產力提高因而可以實現富裕的社會
第二節 人類應專注於只有人類才能完成的工作
具有挑戰性的創意工作／關懷和同理心很重要
第三節 基本服務惠及所有人
所有人都能只接受自己期望的教育／能準確掌握自己的健康狀況／也能提供法律諮詢和稅務處理的服務／成為老年人的諮詢對象／資訊存取變簡單
第四節 登上馬斯洛的階梯
工作成為活著的意義／人類需求的五個階段／生成式人工智慧實現了馬斯洛的哪個階段？／在創造平等社會上／社會的形態高度取決於政策
第九章總結
結語
第一節 歡迎破壞秩序的大變化
「什麼都沒有」是不可能的／平靜的生活被打亂／是反烏托邦，還是烏托邦？／透過破壞秩序的新技術才能創造新社會
第二節 秘密研究Q*將為人類帶來什麼？
奧特曼被解僱引發騷動的原因是因為威脅人類的研究嗎？／ChatGPT的數學能力差／無法進行符號接地是人工智慧數學能力差的原因嗎？／在Q*中是否出現了突破？／符號接地並不一定是好的／真正擴大人類可能性的創意想法是什麼？
參考文獻
立即查看
全面掌握DeepSeek－LLM微調、生成式AI、企業級應用開發 (1版)
類似書籍推薦給您
【簡介】
本書基於 DeepSeek-V3，並涵蓋最新版 DeepSeek-R1 解析與應用。
結合最新研究與實戰經驗，深入解析生成式 AI 技術，內容實用、操作簡單，
讓你立即掌握 DeepSeek 真實戰力！
DeepSeek 是一種基於 Transformer 的生成式 AI（Artificial Intelligence）大模型，融合了 MoE 架構、混合精度訓練、分散式優化等先進技術，具備強大的文本生成、多模態處理以及任務客製化能力。
本書系統性地介紹了開源大模型 DeepSeek-V3 的核心技術及其在實際開發中的深度應用，並收錄最新版 DeepSeek-R1 推論大模型架構詳解，帶您緊跟技術發展的脈動。
• 核心技術拆解：從混合專家模型（MoE）、FP8 混合精度訓練，到上下文管理與 API 整合，掌握大模型關鍵技術。
• 應用實例豐富：涵蓋 NLP、程式生成、數學推理、多模態輸出等，案例詳實步驟清楚，學完即可實作。
• 進階提示技巧：教您運用對話前綴、FIM 生成、JSON 輸出等技巧，引導模型高效生成精準內容。
透過深入講解與實用案例，幫助讀者理解 DeepSeek 模型從原理到開發的完整流程，
無論你是剛踏入大語言模型世界的 AI 新手，還是正著手將生成式 AI 落地專案的技術開發者，
本書都能成為你實戰導入、快速上手的最佳攻略。現在就翻開本書，讓 DeepSeek 成為你的 AI 強力助手！
【目錄】
【Part I 生成式 AI 的理論基礎與技術架構】
Chapter 1 Transformer 與注意力機制的核心原理
1.1 Transformer 的基本結構
1.2 注意力機制的核心原理
1.3 Transformer 的擴充與最佳化
1.4 上下文視窗
1.5 訓練成本與運算效能的平衡
1.6 本章小結
Chapter 2 DeepSeek-V3 核心架構及其訓練技術詳解
2.1 MoE 架構及其核心概念
2.2 FP8 混合精度訓練的優勢
2.3 DualPipe 演算法與通訊最佳化
2.4 大模型的分散式訓練
2.5 快取機制與Token 管理
2.6 DeepSeek 系列模型
2.7 本章小結
Chapter 3 基於 DeepSeek-V3 模型的開發導論
3.1 大模型應用場景
3.2 DeepSeek-V3 的優勢與應用方向
3.3 Scaling Laws 研究與實踐
3.4 模型部署與整合
3.5 開發中的常見問題與解決方案
3.6 本章小結
【Part II 生成式AI 的專業應用與 Prompt 設計】
Chapter 4 DeepSeek-V3 大模型初體驗
4.1 對話生成與語意理解能力
4.2 數學推理能力
4.3 輔助程式設計能力
4.4 本章小結
Chapter 5 DeepSeek 開放平台與 API 開發詳解
5.1 DeepSeek 開放平台簡介
5.2 DeepSeek API 的基礎操作與 API 介面詳解
5.3 API 效能最佳化與安全策略
5.4 本章小結
Chapter 6 對話生成、程式碼補全與客製化模型開發
6.1 對話生成的基本原理與實作
6.2 程式碼補全的實作邏輯與最佳化
6.3 基於 DeepSeek 的客製化模型開發
6.4 本章小結
Chapter 7 對話前綴續寫、FIM 與 JSON 輸出開發詳解
7.1 對話前綴續寫的技術原理與應用
7.2 FIM 生成模式解析
7.3 JSON 格式輸出的設計與生成邏輯
7.4 本章小結
Chapter 8 函式回呼與上下文硬碟快取
8.1 函式回呼機制與應用場景
8.2 上下文硬碟快取的基本原理
8.3 函式回呼與快取機制的結合應用
8.4 本章小結
Chapter 9 DeepSeek 提示庫：探索 Prompt 的更多可能
9.1 程式碼相關應用
9.2 內容生成與分類
9.3 內角色扮演
9.4 文學創作
9.5 文案與宣傳
9.6 模型提示詞與翻譯專家
9.7 本章小結
【Part III 實戰與進階整合應用】
Chapter 10 整合實戰 1：基於 LLM 的 Chat 類客戶端開發
10.1 Chat 類客戶端概述及其功能特點
10.2 DeepSeek API 的配置與整合
10.3 多模型支援與切換
10.4 本章小結
Chapter 11 整合實戰 2：AI 助理開發
11.1 AI 助理：AI 時代的啟動器
11.2 DeepSeek API 在 AI 助理中的配置與應用
11.3 智慧助手功能的實作與最佳化
11.4 本章小結
Chapter 12 整合實戰 3：以 VSCode 為基礎的輔助程式設計外掛開發
12.1 輔助程式設計外掛概述及其核心功能
12.2 在 VS Code 中整合 DeepSeekAP
12.3 程式碼自動補全與智慧建議的實作
12.4 使用輔助程式設計外掛提升開發效率
12.5 本章小結
Appendix A DeepSeek-R1 推論大模型架構詳解
A.1 DeepSeek-R1 整體架構解析
A.2 DeepSeek-R1 推論機制與高效運算
A.3 DeepSeek-R1 API 初步開發指南
A.4 DeepSeek-R1 在推論任務中的應用
A.5 DeepSeek-R1 的局限性與未來最佳化方向
A.6 本章小結
立即查看
TQC 生成式AI應用與技術實力養成暨評量 (1版)
類似書籍推薦給您
【簡介】
近年因生成式AI（Generative AI）的崛起，為人工智慧的發展掀起了新的浪潮。從ChatGPT生成自然語言對話，到Midjourney、Stable Diffusion等AI繪圖工具創作逼真的圖像，再到音樂、程式碼、影片等多領域應用，生成式AI已逐步改變人類與科技互動的方式。這不僅是技術上的突破，更是代表人工智慧從輔助決策邁向創造力展現的關鍵轉折，為企業創新、產業升級開創全新可能。
「TQC生成式AI應用與技術」認證以專業知識體系為導向，分為七大類：「發展歷程與生態系」、「應用領域與產業發展」、「生成式AI」、「演算法及專家系統」、「機器學習原理」、「統計與資料分析原理」以及「系統開發資源」等。內容包含AI發展歷程、相關供應商及其技術背景、生成式AI核心知識、不同場域間的應用，以及發展AI所需具備的知識理論與實踐方法。最後，輔以熟悉AI系統開發資源，在未來透過更聰明的演算法，布局出完美的應用。
本書特色
本書範例題目內容為認證題型與命題方向之示範，正式測驗試題不以範例題目為限。
1.題庫設計均以實務應用為導向，品質及認證公信力最具權威！
2.本書提供人工智慧應用與技術認證測驗，由淺入深的編排方式，分為AI發展歷程與生態系、AI應用領域與產業發展、生成式AI、AI演算法及專家系統、AI機器學習原理、AI統計與資料分析原理、AI系統開發資源等7大類。
3.精選學科題庫7大類共331題，採電腦線上作答，可透過題庫練習系統依類別選題進行練習，學習效果立即呈現。
4.透過認證測驗系統與模擬試題，進行模擬測驗，電腦自動評分，可立即評核學習效果。
5.配合電腦技能基金會(www.csf.org.tw)測驗流程，一舉取得專業證照，讓您求學、求職更具競爭力。
【目錄】
第一章 TQC證照說明
1-1 TQC證照介紹
1-2 取得TQC認證的優勢
1-3 企業採用TQC證照的三大利益
1-4 如何取得TQC證照
第二章 題庫練習系統－操作指南
2-1 題庫練習系統安裝流程
2-2 學科練習程序
2-3 TQC題庫練習系統 單機版說明
第三章 技能測驗－學科題庫
3-1 學科題庫分類及涵蓋技能內容
3-2 第一類：AI發展歷程與生態系
3-3 第二類：AI應用領域與產業發展
3-4 第三類：生成式AI
3-5 第四類：AI演算法及專家系統
3-6 第五類：AI機器學習原理
3-7 第六類：AI統計與資料分析原理
3-8 第七類：AI系統開發資源
第四章 模擬測驗－操作指南
4-1 CSF測驗系統-Client端程式安裝流程
4-2 程式權限及使用者帳戶設定
4-3 實地測驗操作程序範例
第五章 實力評量－模擬試卷
試卷編號：AI1-0001
試卷編號：AI1-0002
試卷編號：AI1-0003
模擬試卷標準答案
附錄
TQC技能認證報名簡章
問題反應表
立即查看
踏上生成式AI自學之路: 從底層技術、程式實作到企業應用 (1版)
類似書籍推薦給您
【簡介】
「人工智慧 (Artificial Intelligence, AI) 」 一詞，最早可追溯至20世紀中英國數學家艾倫．圖靈發表的論文Computing Machinery and Intelligence。隨著時間推移，硬體與軟體技術的迅速進步讓電腦運算速度大幅提升、成本顯著下降，並且配合演算法領域的卓越研究成果，人工智慧領域不再是遙不可及的夢想。21世紀初，AlphaGo達到可以對決頂尖圍棋高手的程度，到了2022年，OpenAI正式推出ChatGPT，更讓人工智慧真正普及到大眾生活。
生成式AI在各行各業專業領域中帶來重大變革，本書能幫助您突破生成式AI的工具性操作，深入了解其背後的技術、應用與影響力。全書共有七個章節，內容涵蓋生成式AI的底層邏輯、實務操作、企業管理策略等三個面向。
第一到三章聚焦於生成式AI的底層邏輯，會依序介紹AI先備知識、經典模型以及生成式AI 核心架構：Transformer，即便您沒有資訊背景也能夠讀懂。第四到六章聚焦於生成式AI的實務操作，介紹提示工程(Prompt Engineering)，教您如何讓生成式AI產出高品質的回應，並手把手地帶您使用ChatGPT API 實作兩個小專案：檢索增強生成(RAG)以及網站智能客服。第七章聚焦於生成式AI的企業管理策略，針對企業最迫切關注的議題：如何導入生成式AI，提出淺見與看法。
【目錄】
序言
1從AI 到生成式AI
1-1 生成式AI 的演進
1-2 生成式AI 的應用
1-3 生成式AI 的挑戰
2生成式AI 先備知識
2-1 機器學習
2-2 深度學習
2-3 自然語言處理與理解
2-4 文字轉向量
2-5 大型語言模型
2-6 RNN 遞迴神經網路
2-7 LSTM 長短期記憶模型
2-8 GAN 生成對抗網路
3 Transformer 深入淺出
3-1 Transformer 簡介
3-2 Transformer 輸入
3-3 Transformer 編碼器
3-4 Transformer 解碼器
3-5 Transformer 輸出
3-6 Google Titans 模型
3-7 DeepSeek R1 模型
4提示工程
4-1 提示工程簡介
4-2 指令微調(Prompt-Tuning)
4-3 上下文學習(In-Context Learning)
4-4 大模型微調(Fine-Tuning)
4-5 思維鏈(Chain of Thought)
4-6 客製化指令
5實作檢索增強生成
5-1 前置作業
5-2 準備目標檔案
5-3 切割目標檔案
5-4 建立向量資料庫
5-5 檢索合適的回答
5-6 問答
5-7 聊天
6實作網站智能客服
6-1 工具準備
6-2 建立主機空間
6-3 建立網站
6-4 編輯網頁
6-5 網站上網
6-6 建立系統後端
6-7 建立系統前端
7企業導入生成式AI
7-1 人工智慧原則
7-2 企業面臨的挑戰
7-3 生成式AI 的導入流程
7-4 未來趨勢—AI 代理
結語
看更多
立即查看
華通書坊
