深度學習與大模型工程化
金正海 肖建於
17人在讀
33.2萬字總字數
¥57.47定價
金正海 肖建於
本書聚焦深度學習與大模型技術的工程化落地，以講透原理、動手實現代碼、提供可複用案例爲核心，構建從基礎入門到前沿應用的完整學習體系。 本書共分爲4個部分。第一部分爲基礎入門篇，主要講解深度學習核心概念、線性迴歸、神經網絡基礎及PyTorch框架應用，包含從零實現線性迴歸模型訓練、Logistic迴歸實戰、多項式迴歸與模型選擇等案例。第二部分爲計算機視覺模型篇，先介紹CNN的原理，再結合邊緣檢測、貓狗分類研究（基於VGG16）、驗證碼識別（基於ResNet）、人臉相似度判斷（基於孿生神經網絡）、火焰和煙霧目標檢測（基於YOLOv12）等實戰項目講解計算機視覺任務。第三部分爲自然語言處理模型篇，從循環神經網絡到注意力機制與機器翻譯，通過微博話題識別、氣溫預測（基於CNN-LSTM混合模型）、從中文到英文的翻譯（基於Seq2Seq與注意力機制）等實戰項目，破解序列數據建模難題。第四部分爲大模型架構與應用篇，解析Transformer架構，通過小型中文聊天系統與醫療問答大模型定製兩大實戰項目，介紹開源大模型微調與推理。 本書適合深度學習初學者（含計算機相關專業學生）、AI開發/測試工程師、企業AI技術管理者/運維工程師、科研人員/技術愛好者閱讀，既爲入門者搭建系統知識框架，也爲資深從業者提供項目落地參考，助力快速掌握深度學習工程化核心技能。