厂商详情
Shoeisha Co., Ltd.
| 地址 | 5 Funamachi Shinjuku-ku Tokyo, 日本邮编:160-0006 |
|---|---|
| 负责人姓名 | Kaoru Usui |
| 年收 | 不显示 |
| 公司人数 | 185 |
| 网址 |
SD商品编号:13134004
| 详情 | 价格 & 数量 | ||
|---|---|---|---|
| S1 |
奥田胜美（作者）
 Original text before translation
奥田 勝己 (著)
(185260)
JAN:9784798185262
|
(185260)
JAN:9784798185262
批发价: 仅限会员
1点/组
有库存
|
|
| 出货时期 |
|---|
|
约1周
|
| 尺寸 |
|---|
|
格式：B5
页数：376 |
| 商品规格 |
|---|
描述
| 想要系统学习 LLM（从基础知识到软件开发入门）的人必备之书 本书是使用大型语言模型（LLM）进行软件开发的入门书，让你在一本书中系统地学习 LLM 的结构和开发技术。 LLM 作为生成式人工智能时代不可或缺的技术，正在改变软件开发的方式，并正在发展成为可应用于所有领域的[智能引擎]。通过使用 LangChain 等框架实现 RAG 和构建多代理系统，LLM 的可能性将进一步扩大。 要掌握 LLM，必须掌握 Transformer 机制、学习过程和提示工程的基本知识。本书仔细讲解了这些技术，并介绍了开源的 Llama 3，为实用 LLM 提供了一个白盒视角。 本书还提供了大量 Python 代码示例，帮助学员掌握实用技能，并介绍了具有代表性的 API（OpenAI API、Anthropic API 和 Gemini API）的使用方法。课程的结构安排使学员可以通过使用 LangChain 和 LangGraph 的开发示例掌握可应用的技能。 通过本书，您将了解多模态 LLM 的工作原理，如何使用 LangChain 和 LangGraph 开发应用程序，以及如何部署多模态 RAG 和多代理系统。 [本书的技能和先决条件］ *基本 Python 语法 *如何构建 Python 环境 目录 第 1 章 变换器 第 2 章 学习 第 3 章 提示工程 第 4 章 语言模型 API 第5章 LLM 框架--语言链 第6章 多代理框架--LangGraph 第7章 应用程序 附录 [作者简介] Katsumi Okuda 三菱电机株式会社先进技术研究所首席研究员。东京大学研究生院信息科学与工程系博士（信息科学与工程）。自 2023 年 3 月起，他在麻省理工学院（MIT）计算机科学与人工智能实验室（CSAIL）担任为期两年的访问研究员，从事代码优化和使用 LLM（大规模语言模型）的编程语言技术研究。在企业界，他多年从事编程语言技术、编译器和嵌入式系统的研发工作。他的工作成果已应用于实际产品和系统的开发，如工厂自动化（FA）系统和先进的空间系统。 |
更多
| 配送方法 | 估计到达 |
|---|---|
| Sea Mail | 从 2025年11月05日 到 2026年01月07日 |
| Air Mail | 从 2025年10月20日 到 2025年10月22日 |
| EMS | 从 2025年10月17日 到 2025年10月22日 |
| Pantos Express | 从 2025年10月21日 到 2025年10月24日 |
| DHL | 从 2025年10月17日 到 2025年10月21日 |
| UPS | 从 2025年10月17日 到 2025年10月21日 |
| FedEx | 从 2025年10月17日 到 2025年10月21日 |
|
某些交易条件可能仅适用于日本
本产品（书籍）受转售价格维护计划的约束。 法律允许制造商（出版商）指定销售价格。在不太可能的情况下，如果你没有这样做，我们可以终止交易。在不太可能的情况下，如果你没有这样做，我们可以终止交易。
|
此类产品中的其他产品:
本书是使用大型语言模型（LLM）进行软件开发的入门书，让你在一本书中系统地学习 LLM 的结构和开发技术。
LLM 作为生成式人工智能时代不可或缺的技术，正在改变软件开发的方式，并正在发展成为可应用于所有领域的[智能引擎]。通过使用 LangChain 等框架实现 RAG 和构建多代理系统，LLM 的可能性将进一步扩大。
要掌握 LLM，必须掌握 Transformer 机制、学习过程和提示工程的基本知识。本书仔细讲解了这些技术，并介绍了开源的 Llama 3，为实用 LLM 提供了一个白盒视角。
本书还提供了大量 Python 代码示例，帮助学员掌握实用技能，并介绍了具有代表性的 API（OpenAI API、Anthropic API 和 Gemini API）的使用方法。课程的结构安排使学员可以通过使用 LangChain 和 LangGraph 的开发示例掌握可应用的技能。
通过本书，您将了解多模态 LLM 的工作原理，如何使用 LangChain 和 LangGraph 开发应用程序，以及如何部署多模态 RAG 和多代理系统。
[本书的技能和先决条件］
*基本 Python 语法
*如何构建 Python 环境
目录
第 1 章 变换器
第 2 章 学习
第 3 章 提示工程
第 4 章 语言模型 API
第5章 LLM 框架--语言链
第6章 多代理框架--LangGraph
第7章 应用程序
附录
[作者简介] Katsumi Okuda
三菱电机株式会社先进技术研究所首席研究员。东京大学研究生院信息科学与工程系博士（信息科学与工程）。自 2023 年 3 月起，他在麻省理工学院（MIT）计算机科学与人工智能实验室（CSAIL）担任为期两年的访问研究员，从事代码优化和使用 LLM（大规模语言模型）的编程语言技术研究。在企业界，他多年从事编程语言技术、编译器和嵌入式系统的研发工作。他的工作成果已应用于实际产品和系统的开发，如工厂自动化（FA）系统和先进的空间系统。
This book is an introduction to software development using the Large Language Model (LLM), allowing you to systematically learn its structure and development techniques in a single volume.
LLM is changing the way of software development as an indispensable technology in the era of generative AI, and is evolving as an [intelligent engine] that can be applied in all areas. The possibilities of LLM will be further expanded by implementing RAGs using frameworks such as LangChain and building multi-agent systems.
To master LLM, it is essential to acquire basic knowledge of the Transformer mechanism, the learning process, and prompt engineering. This book carefully explains these techniques and describes the open source Llama 3 to provide a white box perspective on practical LLM.
The book also provides a wealth of Python code examples to help students acquire practical skills, and introduces the use of representative APIs (OpenAI API, Anthropic API, and Gemini API). The course is structured so that participants can acquire skills that can be applied through development examples using LangChain and LangGraph.
Through this book, you will learn how multimodal LLM works, how to develop applications using LangChain and LangGraph, and how to deploy multimodal RAGs and multi-agent systems.
[Skills and prerequisites for this book]
*Basic Python syntax
*How to build a Python environment
[Table of Contents]
Chapter 1 Transformer
Chapter 2 Learning
Chapter 3 Prompt Engineering
Chapter 4 Language Model API
Chapter 5 LLM Framework -LangChain
Chapter 6 Multi-Agent Framework -LangGraph
Chapter 7 Applications
Appendix
[Author's Profile] Katsumi Okuda
Chief Researcher, Advanced Technology Research Institute, Mitsubishi Electric Corporation. D. (Information Science and Engineering), Graduate School of Information Science and Engineering, The University of Tokyo. D. in Information Science and Engineering, he was a visiting researcher at the Computer Science and Artificial Intelligence Laboratory (CSAIL), Massachusetts Institute of Technology (MIT) for two years from March 2023, where he was engaged in research on code optimization and programming language technology using LLMs (large-scale language models). In the corporate world, he has worked for many years on research and development of programming language technology, compilers, and embedded systems. The results of his work have been applied to the development of actual products and systems, such as factory automation (FA) systems and advanced space systems.