综合集成研讨体系源于系统科学和复杂性科学的研究，是我国科学家钱学森院士、戴汝为院士（本书作者之一）等学者在整合系统、思维、智能等学科理论的基础上，于20世纪90年代初提出的处理“开放的复杂巨系统”的方法论。当前，随着社会、网络以及AI自身的高速发展，综合集成研讨体系的应用环境和对象均发生了一定的变化，如何吸收信息科学、认知科学、智能科学的前沿研究成果，纳入更加广泛的智能主体，设计更为通用的群体智能增强框架、过程和方法，促进更大范围内群体智慧的涌现，来共同处理更加复杂的重大决策问题和科技创新问题，是综合集成研讨体系发展的必然要求。为此，本书回顾了系统科学与复杂性科学的发展历程，从混合智能的角度重新梳理综合集成方法论的前期经验，进一步探究综合集成研讨体系的智能理论基础，开展了体系智能的融合与演化、社会智能的激发和使用等问题研究。这些工作不仅面向认知智能的前沿课题，更能为开放复杂环境下异构化、层次化认知智能和体系智能的研究开辟了一条新路，为其它类型的混合智能研究者提供了基础理论工具，同时将继续促进中国原创性综合集成方法论的有效、深入、持续发展和应用。

本书是一本旨在帮助读者深入理解和应用AIGC与大模型技术的实用指南。写作目的是为了让读者了解AIGC与大模型技术的发展趋势、核心驱动力、定义与关键特征，以及如何利用大模型的能力进行实际应用。书籍分多个部分，包括AIGC与大模型技术概览、入门大模型开发、娱乐产业应用、多媒体行业应用、金融业应用、大数据分析应用、企业知识库应用和电商平台应用。其中，亮点案例包括娱乐产业的角色扮演应用、多媒体行业的音视频处理创新、金融业的股票分析以及电商平台的智能购物体验等。这些案例展示了AIGC与大模型技术在不同领域的实际应用，以及如何通过技术拓展应用思维和巩固程序设计思维。本书适合对AIGC与大模型技术感兴趣的读者，特别是大模型从业人事、程序员、产品经理、项目经理等。通过阅读本书，读者可以了解AIGC与大模型技术的基本概念和应用场景，掌握实际应用技巧，并拓展应用思维。此外，本书也可作为相关领域的专业教材或参考书，为读者提供深入的技术知识和实用的案例参考。

本书致力于探索如何在大规模深度学习模型训练中，最大限度地提高性能和优化显存使用。本书面向深度学习从业者，尤其是希望深入了解并提升模型训练效率的工程师与研究人员。随着深度学习模型和数据规模的迅速增长，如何高效利用硬件资源，减少训练时间，成为当前AI系统工程的关键挑战。本书从硬件和软件的基础知识入手，逐步引导读者理解和掌握PyTorch的优化技巧。内容涵盖从单机到分布式训练，从显存管理到性能分析的多种优化策略，力求通过丰富的代码实例和深入的原理讲解，使读者能够在实践中灵活应用这些方法。 本书共分10章：第1～4章为基础知识，介绍深度学习所需的硬件与软件基础，帮助读者理解性能瓶颈的根源；第5～8章为优化策略，结合具体的代码示例，详细探讨训练过程中的各种优化方法及其背后的原理；第9和10章为综合实践，通对GPT模型的优化实例，直观展示如何在实际项目中实施并衡量各种优化技术的效果。 本书适合希望优化现有模型的资深工程师，也适合初次接触PyTorch性能优化的新手，本书将提供实用的指导和技术支持，帮助读者在日益复杂的深度学习领域中保持竞争力。

以大规模深度学习模型超参调优为代表的评估代价昂贵的多目标优化问题被称为昂贵的多目标优化问题（Expensive MOPs）。昂贵的多目标优化问题广泛存在于现实世界中的不同应用领域。其优化目标通常为黑盒函数，且求得其真实目标函数值的评估代价高昂；而现实世界的有限资源和成本只允许求解器进行有限次函数评估，用于搜索该类问题的帕累托前沿。多目标贝叶斯优化方法能有效地求解该类问题，其利用高斯过程代理模型近似原优化问题以降低函数评估成本，并使用能平衡利用和探索之间关系的获取函数推荐候选解。本书关注大模型超参调优这类昂贵的多目标优化问题，针对其经典的求解方法(贝叶斯优化方法)开展理论方法探索。针对低维和高维决策空间中的并行化函数评估问题、获取函数优化效率问题以及维度灾难和边界问题，本书对多目标贝叶斯优化方法进行四方面的研究，旨在有效地求解低维和高维昂贵的多目标优化问题。 本书可作为当前大模型超参调优理论研究与应用实践的指导书，也可作为演化学习、智能优化、大数据及人工智能等相关专业的教材和参考书。

本书作为《PyTorch 2.0深度学习从零开始学》的姊妹篇，专注于大模型的本地化部署、应用开发以及微调等领域。本书不仅系统地阐述了深度学习大模型的核心理论，更注重实践应用，通过丰富的案例和场景，引导读者从理论走向实践，真正领悟和掌握大模型本地化应用的精髓。全书共分13章，全方位、多角度地展示了大模型本地化实战的完整方案，内容包括大模型时代的开端、PyTorch 2.0 深度学习环境搭建、基于gradio的云上自托管ChatGLM3部署实战、使用ChatGLM3与LangChain实现知识图谱抽取和智能问答、适配ChatGLM3终端的Prompt与Chain详解、ChatGLM3多文本检索的增强生成实战、构建ChatGLM3规范化提示工程、使用ChatGLM3的思维链构建、GLM源码分析与文本生成实战、低资源单GPU微调ChatGLM3实战、会使用工具的ChatGLM3、上市公司财报非结构化信息抽取实战、上市公司财报智能问答与财务预警实战。本书适合大模型的初学者、有一定基础的大模型研究人员、大模型应用开发人员。同时，本书还可作为高等院校或高职高专相关专业的大模型课程教材，助力培养新一代的大模型领域人才。

本书聚焦大模型，对大模型的技术场景和商业应用展开详细叙述。本书主要从典型应用ChatGPT入手，探寻其背后支撑大模型的魅力。首先，本书对大模型的基础概念、产业格局、带来的新型商业模式进行讲解，展现了大模型的发展现状和商业化潜力。其次，本书从数据服务、智能搜索、办公工具、对话式AI、休闲娱乐、生产制造、智慧营销、智慧城市等方面讲述了大模型的诸多应用场景，并阐述了大模型在这些领域的应用现状、应用潜力、企业探索实践等。 本书内容丰富，理论与实践案例结合，能够为对大模型感兴趣的企业管理者、创业者、投资者等深入研究大模型提供指导。

ChatGPT作为人工智能领域的一大进步，引起了热议，其强大功能的背后离不开大模型的支持。大模型指的是参数规模超过千万的机器学习模型，主要应用于语音识别、计算机视觉等领域。 本书聚焦大模型，对大模型的技术场景和商业应用展开详细叙述。本书主要从典型应用ChatGPT入手，探寻其背后支撑大模型的魅力。首先，本书对大模型的基础概念、产业格局、带来的新型商业模式进行讲解，展现了大模型的发展现状和商业化潜力。其次，本书从数据服务、智能搜索、办公工具、对话式AI、休闲娱乐、生产制造、智慧营销、智慧城市等方面讲述了大模型的诸多应用场景，并阐述了大模型在这些领域的应用现状、应用潜力、企业探索实践等。 本书内容丰富，理论与实践案例结合，能够为对大模型感兴趣的企业管理者、创业者、投资者等深入研究大模型提供指导。

大模型是深度学习自然语言处理皇冠上的一颗明珠，也是当前AI和NLP研究与产业中最重要的方向之一。本书使用PyTorch 2.0作为学习大模型的基本框架，以ChatGLM为例详细讲解大模型的基本理论、算法、程序实现、应用实战以及微调技术，为读者揭示大模型开发技术。本书配套示例源代码、PPT课件。 《从零开始大模型开发与微调：基于PyTorch与ChatGLM》共18章，内容包括人工智能与大模型、PyTorch 2.0深度学习环境搭建、从零开始学习PyTorch 2.0、深度学习基础算法详解、基于PyTorch卷积层的MNIST分类实战、PyTorch数据处理与模型展示、ResNet实战、有趣的词嵌入、基于PyTorch循环神经网络的中文情感分类实战、自然语言处理的编码器、预训练模型BERT、自然语言处理的解码器、强化学习实战、只具有解码器的GPT-2模型、实战训练自己的ChatGPT、开源大模型ChatGLM使用详解、ChatGLM高级定制化应用实战、对ChatGLM进行高级微调。 《从零开始大模型开发与微调：基于PyTorch与ChatGLM》适合PyTorch深度学习初学者、大模型开发初学者、大模型开发人员学习，也适合高等院校人工智能、智能科学与技术、数据科学与大数据技术、计算机科学与技术等专业的师生作为教学参考书。

本书循序渐进、深入讲解了金融大模型开发与应用实战的核心知识，并通过具体实例的实现过程演练了各个知识点的用法。全书共11章，分别讲解了大模型基础、数据预处理与特征工程、金融时间序列分析、金融风险建模与管理、高频交易与量化交易、资产定价与交易策略优化、金融市场情绪分析、区块链与金融科技创新、基于深度强化学习的量化交易系统（OpenAIBaselines+FinRL+DRL+PyPortfolioOpt）、基于趋势跟踪的期货交易系统（TechnicalAnalysislibrary+yfinance+Quantstats）、上市公司估值系统（OpenAI+LangChain+Tableau+PowerBI）。本书易于阅读，以极简的文字介绍了复杂的案例，同时涵盖了其他同类图书中很少涉及的历史参考资料，是学习金融大模型开发的完美教程。本书适用于已经了解了Python基础开发的读者，想进一步学习大模型开发、模型优化、模型应用和模型架构的读者，也可以作为证券、保险、银行等从业者的参考书，还可以作为大专院校相关专业的师生用书和培训机构的专业性教材。

大模型技术是目前人工智能领域的重要发展方向之一,具有广阔的应用前景和巨大的发展潜力。本 书结合当前高等院校创新实践课程,基于大模型应用程序的开发方法,给出可执行实战案例。大模型技术 主要开发方向为人机聊天、自动生成代码、旅游图鉴等,本书案例主要包括系统架构、系统流程、开发环境、 开发工具、系统实现、功能测试等内容。 本书中所述案例多样化,可满足不同层次的人员需求; 同时,本书附赠视频讲解、工程文件、拓展知识、 插图素材、程序代码,供读者自我学习和自我提高使用。 本书可作为大学信息与通信工程及相关专业的本科生教材,也可作为从事物联网、创新开发和设计的 专业技术人员的参考用书。