商业
类型
可以朗读
语音朗读
291千字
字数
No.57
科学技术
2025-11-01
发行日期
展开全部
主编推荐语
系统阐述DeepSeek在企业场景中的落地方法论和技术实现指南。
内容简介
全书从部署方法到行业集成再到落地应用，全面覆盖环境搭建与配置、企业应用基础、提示语设计与优化、模型微调与个性化定制、多模态数据处理与融合、分布式训练、与其他企业级专用AI的结合、与ERP等企业业务管理系统的结合、创建企业应用AI Agent、创建和集成工作流，以及DeepSeek应用驱动产业转型升级、面临的挑战与应对等相关议题，旨在帮助读者实现从“能用”迈向“用好”，真正构建可持续的企业AI能力体系。
目录
- 版权信息
- 内容简介
- 自序
- 前言
- 第1章 企业应用入门
- 1.1 AI的发展和DeepSeek的横空出世
- 1.1.1 AI的发展历程
- 1.1.2 全球主要LLM及其发展
- 1.1.3 DeepSeek横空出世
- 1.2 DeepSeek的核心功能和独特优势
- 1.2.1 核心功能
- 1.2.2 独特优势
- 1.3 DeepSeek在企业中的应用价值
- 1.4 企业部署DeepSeek需要考虑的因素
- 1.4.1 版本选择
- 1.4.2 数值精度选择
- 1.4.3 部署方式选择
- 1.4.4 部署方法选择
- 1.4.5 操作系统选择
- 1.5 企业部署DeepSeek的主要环节
- 第2章 环境搭建与配置
- 2.1 共性工作
- 2.1.1 软件环境准备
- 2.1.2 硬件准备
- 2.1.3 数据准备
- 2.1.4 安全配置
- 2.1.5 性能优化
- 2.2 不同部署方式下的环境搭建与配置
- 2.2.1 主要工作
- 2.2.2 主要工作环节的区别
- 2.3 本地部署方式下的环境准备与配置
- 2.3.1 环境准备
- 2.3.2 性能优化
- 2.3.3 安全与隐私
- 2.3.4 运维管理
- 2.4 云端部署方式下的环境准备与配置
- 2.4.1 环境准备和模型安装
- 2.4.2 性能优化
- 2.4.3 安全与隐私
- 2.4.4 运维管理
- 2.5 企业级部署方式下的环境准备与配置
- 2.5.1 性能优化
- 2.5.2 安全与隐私
- 2.5.3 运维管理
- 第3章 企业应用基础
- 3.1 数据准备与预处理
- 3.1.1 数据收集
- 3.1.2 数据清洗
- 3.1.3 特征工程
- 3.1.4 数据标注
- 3.1.5 数据转换
- 3.2 模型训练与评估
- 3.2.1 数据加载与预处理确认
- 3.2.2 初始阶段的模型训练
- 3.2.3 验证与中间评估
- 3.2.4 模型微调
- 3.2.5 最终评估与上线前验证
- 3.3 模型部署与应用
- 3.3.1 创建API
- 3.3.2 性能优化
- 3.3.3 性能监控
- 3.3.4 建立容错机制
- 第4章 提示语设计与优化
- 4.1 企业应用环境下提示语设计与优化的作用
- 4.2 不同环节下的提示语设计与优化
- 4.2.1 数据准备环节
- 4.2.2 模型训练环节
- 4.2.3 模型评估环节
- 4.2.4 应用部署环节
- 4.2.5 持续优化环节
- 第5章 模型微调与个性化定制
- 5.1 模型微调
- 5.1.1 数据适应性微调
- 5.1.2 性能优化
- 5.2 个性化定制方法
- 5.2.1 知识蒸馏与领域适应
- 5.2.2 内部知识库构建
- 5.2.3 个性化和自适应
- 5.2.4 持续学习迭代
- 第6章 多模态数据处理与融合
- 6.1 数据采集与预处理
- 6.1.1 多模态数据类型及应用
- 6.1.2 图像数据预处理
- 6.1.3 文本数据预处理
- 6.1.4 语音数据预处理
- 6.1.5 传感器数据预处理
- 6.1.6 视频数据预处理
- 6.2 特征提取
- 6.2.1 图像数据特征提取
- 6.2.2 文本数据特征提取
- 6.2.3 语音数据特征提取
- 6.2.4 传感器数据特征提取
- 6.2.5 视频数据特征提取
- 6.3 模态融合
- 6.3.1 数据级融合
- 6.3.2 特征级融合
- 6.3.3 目标级融合
- 6.3.4 混合融合
- 6.4 模型训练与优化
- 6.4.1 模型训练
- 6.4.2 模型优化
- 6.4.3 综合案例
- 第7章 分布式训练
- 7.1 计算集群架构
- 7.1.1 计算集群架构配置要素
- 7.1.2 计算集群架构配置建议
- 7.2 并行策略
- 7.2.1 数据并行
- 7.2.2 序列并行
- 7.2.3 模型并行
- 7.2.4 流水线并行
- 7.2.5 张量并行
- 7.2.6 混合并行
- 7.3 关键技术优化
- 7.3.1 通信优化
- 7.3.2 计算优化
- 7.3.3 内存优化
- 7.3.4 数据处理与加载优化
- 7.3.5 训练稳定性优化
- 7.3.6 系统性能优化
- 7.4 启动分布式训练
- 7.4.1 模型配置
- 7.4.2 训练脚本编写
- 7.4.3 一个基于PyTorch的分布式训练脚本
- 第8章 与企业级专用AI的结合
- 8.1 与专用AI结合的原因
- 8.1.1 DeepSeek和专用AI的区别
- 8.1.2 DeepSeek和专用AI的短板
- 8.1.3 与专用AI结合的新优势
- 8.2 与办公协作AI工具钉钉的结合
- 8.2.1 钉钉的适用领域和不足
- 8.2.2 与钉钉结合的新优势
- 8.3 与知识管理工具HelpLook的结合
- 8.3.1 DeepSeek在知识管理领域的短板
- 8.3.2 DeepSeek与HelpLook结合的必要性
- 8.3.3 DeepSeek与HelpLook结合的新优势
- 8.4 智能客服与对话工具助小咖的结合
- 8.4.1 DeepSeek直接作为智能客服与对话工具的短板
- 8.4.2 助小咖作为智能客服与对话工具的短板
- 8.4.3 助小咖与DeepSeek结合的新优势
- 第9章 与ERP等企业业务管理系统的结合
- 9.1 与企业业务管理系统结合的特殊性
- 9.2 制造业ERP系统的特点和不足
- 9.3 DeepSeek可以解决的制造业ERP系统问题
- 9.3.1 解决数据孤岛问题
- 9.3.2 解决系统实时性不足问题
- 9.3.3 解决系统智能化决策支持不足问题
- 9.3.4 解决个性化定制能力不足问题
- 9.3.5 解决数据安全与隐私保护问题
- 9.4 DeepSeek与ERP系统结合的方式、方法和步骤
- 9.4.1 前期准备
- 9.4.2 技术对接架构
- 9.4.3 核心场景开发
- 9.4.4 部署与优化
- 9.4.5 技术挑战与对策
- 9.4.6 落地效果评估
- 9.5 案例
- 第10章 创建企业应用AI Agent
- 10.1 什么是AI Agent
- 10.2 AI Agent作用发挥的主要领域和适用场景
- 10.3 AI Agent的结构组成和创建方法
- 10.3.1 AI Agent的核心组件和组成
- 10.3.2 AI Agent创建的路径和方法
- 10.3.3 容器化与弹性扩展
- 10.4 基于DeepSeek创建企业应用AI Agent
- 10.5 多Agent系统
- 10.5.1 什么是多Agent
- 10.5.2 创建多Agent
- 10.6 MCP、A2A和ANP
- 10.6.1 MCP
- 10.6.2 A2A和ANP
- 第11章 创建和集成工作流
- 11.1 什么是工作流
- 11.1.1 工作流与AI、AI Agent和多Agent的关系
- 11.1.2 基于AI构建的工作流和AI与ERP等企业业务管理系统结合的区别
- 11.2 工作流的分类
- 11.3 工作流的适用领域和场景
- 11.4 创建工作流的一般方法
- 11.4.1 创建工作流的6个阶段
- 11.4.2 工作流的功能模块
- 11.4.3 创建工作流与创建AI Agent的区别
- 11.4.4 创建工作流的主要工具或平台
- 11.5 基于DeepSeek创建企业应用工作流
- 11.5.1 基于DeepSeek开发工作流的优势
- 11.5.2 基于DeepSeek创建工作流
- 11.6 基于DeepSeek集成工作流
- 第12章 DeepSeek应用驱动产业转型升级
- 12.1 智能客服系统
- 12.1.1 智能客服在产业应用中的地位和作用
- 12.1.2 传统智能客服存在的不足
- 12.1.3 基于DeepSeek升级的智能客服系统
- 12.2 质量检测与预测
- 12.2.1 质量检测与预测在行业和企业应用中的地位及作用
- 12.2.2 传统质量检测与预测方法面临的问题
- 12.2.3 DeepSeek对质量检测与预测系统的改进及效果
- 12.3 内容推荐与个性化服务
- 12.3.1 内容推荐与个性化服务在企业运营中的地位及作用
- 12.3.2 传统内容推荐与个性化服务存在的不足
- 12.3.3 基于DeepSeek的内容推荐与个性化服务改进
- 12.3.4 案例
- 12.4 疾病诊断与治疗方案推荐
- 12.4.1 疾病诊断与治疗方案推荐的发展历程
- 12.4.2 基于DeepSeek的疾病诊断与治疗方案推荐发展
- 12.4.3 案例
- 12.5 供应链优化与智能调度
- 12.5.1 供应链优化与智能调度的发展阶段及面临的不足
- 12.5.2 基于DeepSeek对供应链的优化和智能调度
- 12.5.3 案例
- 12.6 智能教学辅助系统
- 12.6.1 智能教学辅助系统的发展历程
- 12.6.2 DeepSeek对智能教学辅助系统的改进
- 12.6.3 案例
- 12.7 DeepSeek及应用驱动产业转型升级
- 12.7.1 DeepSeek及应用变革领域或环节的共同点
- 12.7.2 DeepSeek在企业中无法应用的场景及原因
- 12.7.3 企业应用DeepSeek需要关注的问题
- 12.7.4 未来发展趋势
- 第13章 企业应用DeepSeek面临的挑战与应对
- 13.1 数据安全与隐私保护策略
- 13.2 模型幻觉与准确性问题
- 13.2.1 模型幻觉与准确性问题的含义及分类
- 13.2.2 模型幻觉与准确性问题的根源
- 13.2.3 模型幻觉与准确性问题的应对
- 13.3 可解释性与逻辑推理能力不足
- 13.3.1 可解释性与推理能力不足的原因及表现
- 13.3.2 可解释性与推理能力不足的应对
- 13.4 长文本处理和上下文理解的局限
- 13.4.1 针对长文本处理局限的应对策略
- 13.4.2 针对上下文理解局限的应对策略
- 13.5 领域适应性与多语言支持问题
- 13.5.1 领域适应性问题
- 13.5.2 多语言支持问题
展开全部
评分及书评
评分不足
1个评分
出版方
电子工业出版社
电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。
