目录
●
第1章 绪论
1.1 深度学习和大模型的定义
1.2 人工智能的演进
1.3 人工智能的三大范式
1.4 深度学习的核心价值
1.5 深度学习的应用领域
1.6 读者指南
1.6.1 前置知识
1.6.2 编程环境准备
第2章 多层感知机
2.1 模型结构
2.2 模型的计算
2.2.1 确定模型架构
2.2.2 符号表示
2.2.3 参数初始化
2.2.4 正向计算过程
2.2.5 误差反向传播
2.2.6 预测过程
2.3 模型的意义
2.4 模型的不足
2.5 模型优化技巧
2.5.1 初始化技术
2.5.2 激活函数
2.5.3 Dropout正则化
……
内容介绍
本书讲解深度学习中的相关算法，通过细致介绍和生动形象的实例，帮助读者理解深度学习的原理，打开了解ChatGPT、DeepSeek等近期主流模型的大门。本书共14章，采用循序渐进的结构，从基础模型开始，逐步介绍复杂模型架构，最终聚焦于大模型的技术原理和应用实践。第1章是绪论，介绍大模型的背景，第2～13章介绍各类深度学习和大模型的原理，第14章讨论当前人工智能的主要缺陷，以及研究人员为了解决这些问题所做出的努力。本书内容翔实、覆盖面广，在讲解过程中列举了生动形象的实例，适合对深度学习感兴趣的初学者入门，也可作为各领域专业人士的参考读物。
