大规模语言模型开发基础与实践

内容全面深入，技术覆盖范围广
大量实操案例，算法技能提升快
精通数据处理，性能提升策略全

本书循序渐进、详细讲解了大模型开发技术的核心知识，并通过具体实例的实现过程演练了开发大模型程序的方法和流程。全书共12章，分别讲解了大模型基础，数据集的加载、基本处理和制作，数据集的预处理，卷积神经网络模型，循环神经网络模型，特征提取，注意力机制，模型训练与调优，模型推理和评估，大模型优化算法和技术，AI智能问答系统和AI人脸识别系统。全书简洁而不失其技术深度，内容丰富全面。本书易于阅读，以极简的文字介绍了复杂的案例，是学习大模型开发的实用教程。本书适用于已经了解Python基础开发的读者，以及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，还可以作为大专院校相关专业的师生用书和培训学校的专业性教材。

王振丽
----------------------------
王振丽，华中科技大学计算机硕士，精通C、C#、C++、Java、Python等多门编程语言。现任腾讯AI产品架构师，主要从事移动端底层系统架构、驱动程序、AI应用的研究和开发工作，对人工智能的架构设计和实现原理有非常深刻的认识和理解。精通各种多模态预训练算法，熟悉Prompt Engineering和模型Tuning方法，在协同大模型垂直领域的训练和调优方面经验丰富，在提升大模型业务的产品落地领域有着丰富的见解。

第1章 大模型基础

1.1人工智能

1.2机器学习和深度学习

1.3大模型简介

1.4大模型开发与应用的技术栈

第2章 数据集的加载、基本处理和制作

2.1数据集的加载

2.2数据集的基本处理

2.3数据集的制作

第3章 数据集的预处理

3.1数据清洗和处理

3.2数据转换与整合

3.3数据标准化与归一化

3.4数据增强技术

第4章 卷积神经网络模型

4.1卷积神经网络简介

4.2卷积神经网络模型开发实战

……