登入
｜
註冊
｜
會員中心
｜
結帳
｜
培訓課程
魔法弟子
｜
自資出版
｜
電子書
｜
客服中心
｜
智慧型立体會員
書名
出版社
作者
isbn
編號
5050魔法眾籌
|
NG書城
|
國際級品牌課程
|
優惠通知
|
霹靂英雄音樂精選
|
．
現代 AI 全景聖經
文學小說
文學
｜
小說
商管創投
財經投資
｜
行銷企管
人文藝坊
宗教、哲學
社會、人文、史地
藝術、美學
｜
電影戲劇
勵志養生
醫療、保健
料理、生活百科
教育、心理、勵志
進修學習
電腦與網路
｜
語言工具
雜誌、期刊
｜
軍政、法律
參考、考試、教科用書
科學工程
科學、自然
｜
工業、工程
家庭親子
家庭、親子、人際
青少年、童書
玩樂天地
旅遊、地圖
｜
休閒娛樂
漫畫、插圖
｜
限制級
現代 AI 全景聖經：多模態生成 × Agentic AI，從 LLM 演化到 AI 工程實戰
作者：
王彥文， 黃銀鵬
分類：
電腦與網路
／
AI•人工智慧
出版社：
深智數位
出版日期：2026/10/21
ISBN：9786267889916
書籍編號：kk0613981
頁數：1168
定價：
1280
元
優惠價：
79
折
1,011
元
書價若有異動，以出版社實際定價為準
訂購後立即為您進貨
優惠期限：2026 年 11 月 6 日止
訂購後立即為您進貨：目前無庫存量,讀者下訂後,開始進入調書程序,一般天數約為2-10工作日(不含例假日)。
團購數最低為 20 本以上
評價數：
(請將滑鼠移至星星處進行評價)
目前平均評價：
文字連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0613981'>現代 AI 全景聖經：多模態生成 × Agentic AI，從 LLM 演化到 AI 工程實戰</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0613981'><img src='https://www.silkbook.com/mall_image/bk/kk0613981.jpg' ALT='現代 AI 全景聖經：多模態生成 × Agentic AI，從 LLM 演化到 AI 工程實戰' height='120' width='90'></a>
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
現代 AI 全景聖經：多模態生成 × Agentic AI，從 LLM 演化到 AI 工程實戰 擺脫碎片化學習，建立不退流行的演算法母語！ ►直擊前沿範式 ｜ 深度解密 o1/R1 推理與 1M+ Context ►手刻 Agent 系統 ｜ 150+ 範例，從 MoE 手刻到 LangGraph ►階梯思考訓練 ｜ 全套 2，578 題庫，建構完整知識圖譜 ►在地繁中評測 ｜ 大量對接司法院判決、健保 QA 等在地資料 【Part IV LLM 與生成式】 大模型技術全景 ‧ 解密 GPT－4.5、Claude 4 與 DeepSeek MoE ‧ SFT、DPO 對齊與 QLoRA 輕量微調 【Part V ＆ VI 前沿應用】 Agentic AI 與長上下文 ‧ 企業級 RAG 知識庫與 GraphRAG 實戰 ‧ Computer Use 螢幕操作與 LangGraph 多 Agent 【Part VII 工程與治理】 Production 落地防線 ‧ vLLM 推理引擎、GGUF 量化與 MLOps ‧ Prompt Injection 防禦與端到端 Capstone 專業推薦 林立生—新竹市政府教育處 處長/ 國立屏東大學教育學 博士 呂明峯—明新科技大學 教授/ 明新科技大學校長 馮美瑜—台北城市科技大學 教授/ 台北城市科技大學 校長 林義貴—國立陽明交通大學 終身講座教授/ 國立勤益科技大學 學術副校長/國科會傑出特約研究員獎得主/APIEMS Fellow/ 中國工業工程學會會士/三度榮獲國科會傑出研究獎 呂奇傑—輔仁大學 特聘教授/ 2020－2025 全球前2％科學家 林維昭—長庚大學 教授/ 校務研究中心 執行秘書/2021－2025 全球前2％ 頂尖科學家
▍Part IV LLM 與基礎模型 第12 章 LLM 演化：從 GPT－3 到 Claude 4 12.1 Scaling Laws 與訓練範式 12.2 GPT 家族與OpenAI 路線 12.3 Claude 家族與 Anthropic 12.4 Llama 家族與開源生態 12.5 Mistral / DeepSeek / Qwen / Gemini 12.6 Mixture of Experts(MoE) 12.7 〔深化〕 Emergent Abilities 與相變現象 12.8 Prompt 跨模型遷移性與中文 LLM 評測 本章重點回顧 第13 章 LLM 微調，對齊與參數效率 13.1 預訓練 → SFT → 對齊三階段 13.2 RLHF 全流程 13.3 DPO 與後續變體(2024 主流) 13.4 參數效率微調(PEFT) 13.5 RAG vs 微調：何時選哪個 13.6 RLAIF 與 Constitutional AI 13.7 實戰：用PyTorch+LoRA 微調Llama 3 第14章 推理模型與 Test－time Compute(2024－2026 新典範) 14.1 Chain－of－Thought 起源 14.2 推理增強技術 14.3 OpenAI o1 / o3 模型 14.4 Test－time Scaling Laws 14.5 開源推理模型 14.6 推理模型的失敗模式 本章重點回顧 第15 章 生成式AI——VAE/GAN/Diffusion/Flow Matching 15.1 VAE 變分自編碼器 15.2 GAN 生成對抗網路 15.3 Diffusion 擴散模型 15.4 Flow Matching(2024－2026 新典範) 15.5 條件生成 15.6 〔深化〕 Diffusion 反向過程的隨機微分方程觀點 本章重點回顧 第16 章 多模態AI——圖文音影 16.1 圖文對齊：CLIP 與後繼 16.2 視覺語言模型(VLM) 16.3 圖像生成商業生態 16.4 影片生成 16.5 語音與音訊 16.6 統一多模態模型 16.7 〔深化〕 CLIP 對比學習損失與嵌入幾何 本章重點回顧 ▍Part V 進階主題 第17 章 強化學習與深度強化學習 17.1 RL 基礎：MDP 與Bellman 17.2 Value－based 方法 17.3 Policy－based 方法 17.4 Model－based RL 與 World Models 17.5 RL 在 LLM 中的應用 17.6 多智能體與遊戲 AI 本章重點回顧 第18 章 圖神經網路 18.1 圖資料表示 18.2 GNN 核心演算法 18.3 進階 GNN 18.4 應用實戰 18.5 〔深化〕 GCN 與圖拉普拉斯譜域 本章重點回顧 第19 章 LLM 應用開發：RAG 與結構化輸出 19.1 Prompt Engineering 工程化 19.2 RAG 完整架構 19.3 結構化輸出 19.4 LangChain / LlamaIndex / Haystack 19.5 進階 RAG 19.6 〔實戰〕 完整 RAG 系統 本章重點回顧 第20 章 AI Agents 與 Agentic AI 20.1 Agent 概念與演化 20.2 Agent 框架 20.3 Computer Use 與環境互動 20.4 Multi－Agent System 20.5 Agent 評估 20.6 Agent 失敗模式與安全 20.7 〔實戰〕 構建多步驟研究Agent(以ArXiv 論文回顧為主題) 本章重點回顧 第21 章 Code Generation 與 AI 編程 21.1 Code LLM 演化 21.2 商業編程工具 21.3 Agentic 編碼工具 21.4 大型 Codebase 處理 21.5 SWE－bench 與真實 PR 21.6 〔實戰 〕 用 Claude Code 完成中型專案( 資料分析儀表板開源工具) 21.7 AI 協作守則總表 本章重點回顧 第22 章 長上下文與 Context Engineering 22.1 Context Window 演進 22.2 長上下文 Attention 優化 22.3 Context Engineering 22.4 長上下文失敗模式 22.5 1M+ Context 應用 22.6 〔深化〕 長上下文計算複雜度與工程突破 本章重點回顧 ▍Part VII 工程與治理 第23 章 模型優化，部署與 MLOps 23.1 模型壓縮 23.2 推理引擎 23.3 部署架構 23.4 MLOps 工具鏈 23.5 模型監控 23.6 GPU 資源規劃 本章重點回顧 第24 章 AI 倫理，安全，對齊與監管 24.1 演算法偏見與公平性 24.2 隱私保護 24.3 AI 安全 24.4 對齊研究 24.5 監管與治理 24.6 文件規範 本章重點回顧 第25 章 整合Capstone：端到端AI 系統實戰 25.1 專題類型選擇與規劃 25.2 視覺類專題 25.3 NLP / LLM 類專題 25.4 多模態類專題 25.5 Agent 類專題 25.6 部署與運營 本章重點回顧 全書 25 章學完之後該往哪走
最強AI搜尋：SEO
Deep Agent
最重要的 20 個
不只會用 Agent
AI 時代的終端機入
Google Gem
ChatGPT 對話
輕鬆學會RAG實作開
ChatGPT ×
Claude Cod
為了保障您的權益，新絲路網路書店所購買的商品均享有到貨七天的鑑賞期（含例假日）。退回之商品必須於鑑賞期內寄回（以郵戳或收執聯為憑），且商品必須是全新狀態與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等)，否則恕不接受退貨。
