AI訓練師手冊數據標註+分析整理+算法優化+模型訓練

楊霽琳

出版商: 化學工業
出版日期: 2025-05-01
售價: $408
語言: 簡體中文
頁數: 206
ISBN: 7122462307
ISBN-13: 9787122462305

下單後立即進貨 (約4週~6週)

商品描述

想要成為AI訓練師，掌握AI模型訓練的核心技能，需要瞭解哪些關鍵要素？如何有效地進行數據標註和預處理？怎樣選擇合適的AI算法和模型架構？又如何進行模型的訓練、調優和評估？本書為以上問題提供了一站式的解決方案。作者結合豐富的實戰經驗，系統講解了AI訓練師的核心工作內容和技能需求，並通過深入剖析和詳細講解，讓讀者能夠全面瞭解並掌握AI訓練的關鍵知識點。除了理論知識，本書還提供了豐富的實戰資源，包括160分鐘的教學視頻、120頁的PPT教學課件、70多個素材效果文件，以及40多組AI提示詞，旨在幫助讀者在實踐中快速提升技能。書中還特別介紹了百度文心大模型訓練平臺的使用技巧，以及Stable Diffusion AI繪畫模型和ChatGPT AI文案模型的訓練實戰，為讀者提供了寶貴的操作步驟和技巧。本書不僅適合人工智能訓練師、數據標註人員、人工智能研究員、數據工程師、AI產品經理等從業者，也適合所有對AI技術充滿熱情的讀者。無論是希望提升技能水平，還是希望在職場中獲得更好的發展，本書都將提供寶貴的參考和指導。

作者簡介

楊霽琳，博士，副教授，碩士研究生導師，現就職於四川師範大學，中國人工智能學會粒計算與知識發現專委會委員，2021年被認定為“四川省海外高層次留學人才”，研究方向為數據挖掘、數據分析、智能信息處理、AI人工智能，先後在國際國內期刊和會議發表40餘篇學術論文，並先後參與了多部專著和教材的編著，主持和參與多項國家自然科學基金、教育部人文社科研究規劃基金、四川省自然科學基金和四川省教育廳項目。

目錄大綱

第1章認識人工智能訓練師
1.1 什麽是人工智能訓練
1.1.1 AI訓練註重數據分析和算法優化
1.1.2 AI訓練致力於提高系統的智能化水平
1.1.3 AI訓練註重模型的優化和創新
1.2 人工智能訓練的3大基本要素
1.2.1 AI訓練要素1：算法
1.2.2 AI訓練要素2：算力
1.2.3 AI訓練要素3：數據
1.3 AI訓練師
1.3.1 AI訓練師的定義和角色
1.3.2 AI訓練師的工作內容和職責
1.3.3 AI訓練師所需技能和知識
1.3.4 AI訓練師的就業參考標準
1.3.5 AI訓練師的發展前景和趨勢
本章小結
課後習題
第2章掌握數據標註的基礎
2.1 數據標註的定義與重要性
2.1.1 什麽是數據標註
2.1.2 數據標註的重要性
2.1.3 數據標註的挑戰
2.2 數據標註的類型與應用場景
2.2.1 不同學習模式的標註需求
2.2.2 不同應用場景中的標註類型
2.2.3 選擇合適標註類型的原則
2.3 數據標註的標準與流程
2.3.1 數據標註的質量標準
2.3.2 數據標註的基本流程
本章小結
課後習題
第3章數據標註的工具與方法
3.1 VIA數據標註入門
3.1.1 認識VGG圖像註釋器
3.1.2 下載與安裝VGG圖像註釋器
3.1.3 加載圖像的方法
3.2 圖像標註的3種方法
3.2.1 添加矩形標註
3.2.2 添加橢圓形標註
3.2.3 添加多邊形標註
3.3 使用其他數據標註工具
3.3.1 添加視頻標註
3.3.2 添加音頻標註
3.3.3 添加字幕標註
本章小結
課後習題
第4章數據整理與預處理技巧
4.1 數據清洗與轉換
4.1.1 數據收集
4.1.2 數據清洗
4.1.3 數據轉換
4.2 缺失值處理與異常值檢測
4.2.1 出現缺失值的原因與影響
4.2.2 處理缺失值的方法
4.2.3 異常值的識別與處理
4.3 特徵工程基礎
4.3.1 特徵工程的概念
4.3.2 特徵選擇技術
4.3.3 特徵提取技術
本章小結
課後習題
第5章 AI算法的優化與調整
5.1 機器學習算法概覽
5.1.1 監督學習
5.1.2 無監督學習
5.1.3 強化學習
5.2 神經網絡與深度學習
5.2.1 神經網絡基礎
5.2.2 捲積神經網絡與循環神經網絡
5.2.3 深度學習優化技術
5.3 算法調優與驗證
5.3.1 常見的超參數和模型調參
5.3.2 Holdout檢驗與交叉驗證
5.3.3 算法選擇與集成學習的策略
本章小結
課後習題
第6章 AI模型的訓練與調優
6.1 模型訓練的基本技巧
6.1.1 訓練集、驗證集與測試集的劃分
6.1.2 損失函數與優化器的選擇
6.1.3 模型訓練的基本流程
6.1.4 使用GPU加速與分佈式訓練
6.1.5 部署AI模型的4種方式
6.2 模型的疊代與優化
6.2.1 模型的評估與選擇
6.2.2 模型的疊代過程與持續改進
6.2.3 模型優化的實用技巧與案例分析
本章小結
課後習題
第7章百度文心大模型訓練平臺
7.1 AI Studio新手指南
7.1.1 認識AI Studio
7.1.2 登錄AI Studio控制台
7.1.3 熟悉AI Studio的工作界面
7.2 AI Studio大模型應用開發
7.2.1 AI對話大模型應用開發實例
7.2.2 AI繪畫大模型應用開發實例
7.3 AI Studio模型開發技巧
7.3.1 創建模型產線
7.3.2 創建自己的模型
7.3.3 使用PaddleX開發AI模型
本章小結
課後習題
第8章 SD AI繪畫模型訓練實戰
8.1 風光攝影模型訓練實戰
8.1.1 LoRA模型訓練概述
8.1.2 安裝訓練器與整理數據集
8.1.3 圖像預處理和打標優化
8.1.4 設置訓練模型和數據集
8.1.5 評估模型的應用效果
8.2 人物畫風模型訓練實戰
8.2.1 設置模型參數
8.2.2 處理圖像數據集
8.2.3 開始訓練模型
8.2.4 在線測試模型效果
8.2.5 下載訓練好的模型
本章小結
課後習題
第9章 ChatGPT AI文案模型訓練實戰
9.1 AI助手模型訓練實戰
9.1.1 創建AI助手應用
9.1.2 編排提示詞
9.1.3 使用專家模式
9.1.4 配置模型
9.1.5 調試與預覽AI助手
9.1.6 發布AI助手應用
9.2 AI文本生成模型訓練實戰
9.2.1 創建應用並編排提示詞
9.2.2 創建知識庫並處理數據集
9.2.3 添加上下文數據集
9.2.4 添加文字轉語音功能
9.2.5 審查敏感內容
9.2.6 發布AI文本生成應用
本章小結
課後習題