買這商品的人也買了...
-
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
金融科技實戰：Python 與量化投資$650$507 -
Deep Learning 2｜用 Python 進行自然語言處理的基礎理論實作$680$537 -
圖解量子電腦入門：8堂基礎課程 + 必懂關鍵詞解說，從計算原理到實務應用、通訊到演算，破解讓人類大躍進的科技新浪潮$420$357 -
Deep Learning 3｜用 Python 進行深度學習框架的開發實作$780$616 -
$657計算機系統解密：從理解計算機到編寫高效代碼 -
Visual Studio Code 實用指南：官方文件沒有詳述的 Extension 觀念、命令組合技與鍵位客製化技巧（iT邦幫忙鐵人賽系列書）$600$510 -
Deep Learning 4｜用 Python 進行強化學習的開發實作$680$537 -
最強 AI 投資分析：打造自己的股市顧問機器人，股票趨勢分析 × 年報解讀 × 選股推薦 × 風險管理$750$592 -
Staff 工程師之路｜獻給個人貢獻者成長與改變的導航指南 (The Staff Engineer's Path)$580$458 -
Python：自動化股票網格交易實戰 86個活用技巧$600$468 -
$534DeepSeek 大模型實戰指南 (架構部署與應用) -
生成式 AI 專案實踐指南：從模型挑選、上線、RAG 技術到 AI Agent 整合$650$507 -
零基礎開發 AI Agent -- 用 Dify 從0到1做智能體$534$507 -
OpenAI API 開發手冊 - 用 Responses API、Realtime API、MCP、Agents SDK、Function calling 打造即時語音、RAG、Agent 應用$790$624 -
矽谷頂尖 Python 工程師面試攻略｜資料結構、演算法、系統設計$600$450 -
敏捷開發實踐指南｜讓團隊取得亮麗成果$550$412 -
軟體工程師的晉升之路｜全方位升遷攻略，揭示工程師職涯成長的核心策略！$700$525 -
本地端 Ollama × LangChain × LangGraph × LangSmith 開發手冊：打造 RAG、Agent、SQL 應用$750$592 -
LangGraph 實戰開發 AI Agent 全攻略：掌握 AI 模型 × 工作流程 × 設計應用，從零打造智慧分工多代理協作系統（iThome鐵人賽系列書)$660$514 -
Ollama 本地 AI 全方位攻略：命令列功能、五大主題測試、RAG、Vibe Coding、MCP，一本搞定所有實戰應用$750$592 -
完整複習 NLP - 圍繞 LLM 打造自然語言處理應用$1,080$853 -
最佳拍檔完全體 -- Linux 和晶片開發強強出擊$890$703 -
AI大模型與智能體企業級實戰：DeepSeek+Dify驅動企業智能化轉型$474$450 -
Programming：Principles and Practice Using C++, 3/e (繁體中文版)$990$782
LLM 大語言模型 詳見活動內容 »
-
78折
零基礎玩轉 LLM 應用全攻略：Python × No-Code 實作 AI 開發超簡單（iThome鐵人賽系列書）$690$538 -
79折
大型語言模型應用實戰：從 Prompt Engineering 到 Agentic RAG 與 MCP$790$624 -
78折
大模型時代：從 ChatGPT 一枝獨秀到全面開戰的 AI 賽局$500$390 -
79折
業界實戰親授 - 大型語言模型微調、最佳化、佈署一次到位$980$774 -
79折
深度學習最佳入門與專題實戰：自然語言處理、大型語言模型與強化學習篇$880$695 -
79折
AIGC 大型語言模型 - 個人應用到企業實戰立刻上手$780$616 -
79折
讓 LLM 飛起來的工具使用 - AI Agent MCP 協議開發、標準、應用$790$624 -
79折
AI Agent 手刻首選 - 使用 LangChain 親手實作 LLM 大型商業專案$880$695 -
79折
LLMOps 打造穩定運行的大型語言模型系統 (LLMOps: Managing Large Language Models in Production)$620$489 -
79折
實用 DeepSeek 技術 - 開發真正可用的 LLM 應用程式$880$695 -
78折
AI 程式設計、深度學習與 LLM 入門到精通：PyTorch × GPT × Transformer × LLaMA 實作指南（iThome鐵人賽系列書）$650$507 -
79折
LLM 工程師開發手冊 (LLM Engineer's Handbook: Master the art of engineering large language models from concept to production)$1,250$987 -
79折
AI Agent 智能工作流：設計與自動化全實戰$760$600 -
79折
不再是 ChatBot - 最新 AI Agent 代理建構$880$695 -
79折
最新 AI 開發範式 - Agent 多重智慧體自動產生應用$680$537 -
79折
LangChain 開發手冊 -- OpenAI × LCEL 表達式 × Agent 自動化流程 × RAG 擴展模型知識 × 圖形資料庫 × LangSmith 除錯工具$680$537 -
79折
LLM 提示工程技術｜打造兼具藝術與科學的高效應用 (Prompt Engineering for LLMs: The Art and Science of Building Large Language Model-Based Applications)$620$489 -
79折
LLM 語意理解與生成技術完全開發 (Hands-On Large Language Models)$980$774 -
79折
LLM × 網路爬蟲終極實戰：n8n 串接資料爬取 × Qdrant × RAG 打造本機 AI Agent$980$774 -
79折
LangChain 學習手冊｜使用 LangChain 與 LangGraph 建構 AI 與 LLM 應用程式 (Learning LangChain: Building AI and LLM Applications with LangChain and LangGraph)$680$537 -
79折
Node.js 與 LLM 原理與實務：AI 應用程式開發$780$616 -
79折
知道你的下一筆訂單 - 使用 LLM$980$774 -
79折
更少 GPU 卻更強 - LLM 輕量化壓縮及加速訓練$980$774 -
79折
AI Agent 自動化流程超 Easy -- 不寫程式 No Code 聰明完成樣樣事$750$592 -
VIP 95折
AI傳媒學：大模型助力傳媒行業應用與創新$588$558
商品描述
本書是一本面向AI開發者的實戰指南，旨在幫助讀者從零開始掌握全棧AI開發的完整流程。本書深入講解瞭如何將前端開發與AI模型集成，涵蓋了從本地部署到大模型訓練的各個環節。本書以DeepSeek、Dify和Ollama三大技術為核心，詳細講解了AI前端開發的基礎知識、架構設計、API調用、模型部署與優化等關鍵技術。通過深入淺出的理論講解和豐富的代碼示例，讀者可以快速掌握AI應用開發的核心技能。 本書不僅提供了豐富的理論知識，還通過大量實戰案例，展示瞭如何在實際項目中應用這些技術，包括智能客服系統、音樂創作助手、人力資源管理系統、數據可視化模型、AI大模型的本地部署、AI全棧開發、智能知識庫創建、爆款文案生成模型、家庭教育模型等多個實戰案例，每個案例都配有詳細的步驟說明和代碼實現，讀者可以邊學邊練，快速將理論知識轉化為實際項目中的解決方案。 本書的案例設計貼近實際開發需求，涵蓋了從簡單的API調用到覆雜的全棧AI應用開發。無論是初學者還是有經驗的開發者，都能從這些案例中找到適合自己的學習路徑，幫助讀者在資源有限的環境下高效開發AI應用。通過學習本書內容，讀者將具備獨立開發全棧AI應用的能力，並能夠在實際項目中靈活運用這些技術。
作者簡介
孫誌華，人工智能與大數據專業大學講師，沈陽航空航天大學軟件工程專業本科，敖德薩梅契尼可夫國立大學信息系統和技術專業碩士，全國高校計算機能力挑戰賽優秀指導老師，在人工智能科研和教學領域擁有豐富的經驗，尤其在人工智能、物聯網和軟件系統開發方面取得了一定成就，專註於將前沿的人工智能技術應用於實際場景。
目錄大綱
第1章 AI時代前端開發基礎與集成準備
1.1 AI前端技術基礎
1.1.1 AI前端基礎概念
1.1.2 從Vue3和React的特性與區別看開發工具的選擇
1.1.3 從TypeScript看AI智能開發的質量和安全防控
1.2 AI集成的前端架構設計
1.2.1 前端與AI服務的通信架構
1.2.2 前端如何集成AI模型與服務
1.2.3 狀態管理與數據流設計
1.2.4 響應式UI組件設計模式
1.3 RESTful API設計應用
第2章 DeepSeek大模型集成與應用
2.1 DeepSeek模型概述
2.1.1 DeepSeek模型的特性與優勢
2.1.2 模型架構與技術原理
2.1.3 應用場景分析
2.2 DeepSeek部署與配置
2.2.1 環境要求與準備
2.2.2 模型部署流程
2.3 與Dify系統的集成：接口對接方案
2.4 應用開發與實戰
2.4.1 API調用實戰
2.4.2 提示工程技巧
2.5 實戰案例
實戰任務：代碼系統集成·使用Dify構建工作流
綜合實戰1：人力資源應用·簡歷篩選大模型
綜合實戰2：音樂創作領域應用·樂曲自動生成器
綜合實戰3：智能辦公應用·數據可視化大模型
綜合實戰4：AI大模型+前端全棧開發
第3章 Dify系統部署與應用
3.1 Dify系統基礎
3.1.1 檢索增強生成的原理
3.1.2 向量數據庫選型與配置
3.1.3 文檔預處理與索引構建
3.2 Dify部署與配置
3.2.1 Docker環境配置
3.2.2 Dify服務器部署步驟
3.3 知識庫的構建與管理
3.3.1 文檔預處理與清洗
3.3.2 向量化與索引策略
3.3.3 知識庫更新與維護
3.4 實戰案例
實戰任務1：5分鐘極速部署
實戰任務2：Dify部署通義千問大模型
綜合實戰：數據庫領域應用·創建知識庫
第4章 Ollama本地大模型部署
4.1 環境準備與模型選擇
4.1.1 硬件要求與系統配置
4.1.2 模型選型
4.1.3 模型量化與優化
4.2 Ollama部署與調優
4.2.1 安裝與基礎配置
4.2.2 模型參數調整
4.3 實戰案例
實戰任務：本地運行AI模型
綜合實戰1：自媒體領域應用·爆款文案AI智能生成器
綜合實戰2：教育領域應用·閱讀陪伴大模型
附錄
AI前端開發的構建工具
樣式設計工具
檢查工具
