厦门大学《大模型概念、技术与应用实践》(PPT文件)
本篇文章向大家介绍《厦门大学《大模型概念、技术与应用实践》(PPT文件)》,主要包括,具有一定的参考价值,需要的朋友可以参考一下。
解密大模型:技术、应用与未来展望
本书由厦门大学大数据教学团队倾力打造,深入浅出地讲解大模型技术及其在各行各业的应用,特别关注其在高等教育领域的变革力量。
厦门大学大数据教学团队简介
厦门大学大数据教学团队是国内高校大数据教育领域的领军力量,由林子雨副教授领衔,团队成员年轻化,专业涵盖教学、科研和工程技术,自2013年起致力于大数据教学,在教材编写、在线课程、师资培训等方面取得了显著成果。
林子雨副教授,厦门大学计算机科学与技术系副教授,已出版15部大数据系列教材,被全国千余所高校采用,荣获多项教学奖项及国家级教学项目荣誉。其个人主页提供丰富的教学资源。
林子雨副教授编著的《数字素养通识教程——大数据与人工智能时代的计算机通识教育》,旨在革新大学计算机基础课程体系,培养学生的计算思维、数据思维和人工智能思维。该教材配套丰富的教学资源,包括PPT、在线课程视频、实验指导等。
人工智能发展历程回顾
人工智能发展始于1950年图灵测试的提出,1956年的达特茅斯会议标志着人工智能学科的正式诞生。其发展历程大致分为萌芽期(1950-2005)、沉淀期(2006-2019)和爆发期(2020-至今)三个阶段。从早期的卷积神经网络(CNN)到Transformer架构,再到GPT系列和多模态大模型的兴起,人工智能技术不断迭代,驱动着自然语言处理、计算机视觉等领域的飞速发展。
人工智能思维模式
人工智能思维强调对人工智能运行机制的理解,包含三个关键方面:
- 理解: 掌握人工智能的基础原理。
- 区分: 明确人类能力与机器能力的差异。
- 协作: 学会与人工智能系统协同工作,提高效率。
这种思维模式将帮助人们更好地适应数字时代。
大模型:人工智能的未来
- 大模型定义: 基于深度学习技术的超大规模人工智能模型,拥有海量参数、强大的学习和泛化能力。“大”体现在参数规模、训练数据量和计算资源需求。例如,GPT-3参数规模达1750亿,GPT-4则超过1.8万亿。
大模型发展历程:大模型的发展历程与人工智能发展历程高度一致,也经历了萌芽期、沉淀期和爆发期三个阶段。
- 大模型与人工智能的关系: 大模型是人工智能领域的前沿技术,是预训练模型的一种,通过海量数据训练,具备强大的语言生成、逻辑推理和多模态处理能力,是推动人工智能技术发展的重要力量。
主要大模型产品:本书介绍了国内外主要的大模型产品,包括OpenAI的ChatGPT、Gemini和Sora等,以及国内的DeepSeek、通义千问、豆包、文心一言等。这些产品在自然语言处理、多模态理解和生成等方面表现出色,广泛应用于智能客服、内容创作、代码生成等场景。
大模型原理及特点:本书阐述了大模型基于Transformer架构,通过编码器-解码器结构和自注意力机制实现高效的文本生成和理解。大模型具有规模巨大、涌现能力、多任务学习、依赖大数据和强大计算资源、支持迁移学习和预训练等特点。
- 大模型分类及应用领域: 本书按照应用领域将大模型分为L0、L1、L2三个层级,涵盖自然语言处理、计算机视觉、语音识别等多个领域,并详细介绍了大模型在各个领域的应用,以及对工作和生活带来的深远影响。
本地部署与智能体:本书还介绍了本地部署大模型的优势及方法,并探讨了基于大模型的智能体及其应用。
AIGC应用与实践
- AIGC概述: 人工智能生成内容(AIGC)利用人工智能技术生成文本、图像、音频、视频等内容,基于生成对抗网络(GAN)、预训练模型等技术,广泛应用于创意设计、教育、娱乐等领域。
文本、图片、语音、视频生成及辅助编程应用实践:本书通过多个案例,详细介绍了文本生成工具(如DeepSeek、文心一言)、图片生成工具(如百度文心一格)、语音生成工具(如豆包和讯飞智云)、视频生成工具(如腾讯智影)以及AIGC在辅助编程中的应用。





- AI搜索与智能办公: 本书还介绍了AI搜索(如360的纳米AI搜索)和AI智能办公的应用,展示了其在提升效率和改善用户体验方面的潜力。

本书内容全面、深入且通俗易懂,适合对人工智能和大模型技术感兴趣的读者学习和参考。
终于介绍完啦!小伙伴们,这篇关于《厦门大学《大模型概念、技术与应用实践》(PPT文件)》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布科技周边相关知识,快来关注吧!
网易严选如何识别出同一用户注册的三个不同账号?
- 上一篇
- 网易严选如何识别出同一用户注册的三个不同账号?
- 下一篇
- Java并发环境下如何保证请求版本一致性?
-
- 科技周边 · 人工智能 | 6小时前 |
- Hugging Face Datasets map batched 返回长度不一致时怎么定位
- 213浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 |
- Hugging Face Datasets flatten 怎么展开嵌套字段并保留特征类型
- 455浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 |
- Hugging Face Datasets with_format 和 set_format 混用后为什么列类型变了
- 228浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 | 兼容性 · LiteRT Select TF Ops TFLITE_BUILTINS TensorFlow模型转换 不支持算子
- LiteRT 转换遇到不支持算子时怎么判断是否启用 Select TF Ops
- 226浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 | 人工智能 · LiteRT SignatureDef 多输入模型 端侧推理
- LiteRT SignatureDef 多输入模型怎么按签名准备推理张量
- 191浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 |
- Keras 自定义 train_step 怎么让正则损失继续参与梯度
- 343浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 | 人工智能 · 深度学习 · Keras RaggedTensor keras.Input ragged=True TensorFlow backend 模型保存 load_model 变长序列
- Keras RaggedTensor 输入模型保存后怎么保持变长序列结构
- 250浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 | 人工智能 · Keras NaN mixed_float16 mixed precision loss scale 输入范围 dtype policy
- Keras mixed_float16 训练出现 NaN 怎么区分 loss scale 和输入范围
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 | 人工智能 · 深度学习 · PyTorch strict state_dict load_state_dict module. 前缀 检查点迁移
- PyTorch state_dict 参数名前缀变化后怎么兼容旧检查点
- 436浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 | 人工智能 · 深度学习 · 内存优化 · 内存 PyTorch 按需加载 mmap checkpoint torch.load map_location state_dict
- PyTorch torch.load 开启 mmap 后为什么读取参数时才占用内存
- 475浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 459次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 521次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 536次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 485次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 306次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

