解构大语言模型：从线性回归到通用人工智能
全新正版 极速发货
￥ 81.26 5.1折 ￥ 159 全新
库存3件
广东广州
认证卖家担保交易快速发货售后保障
作者唐亘|
出版社电子工业
ISBN9787121477409
出版时间2024-05
装帧平装
开本其他
定价159元
货号32057964
上书时间2024-06-07
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
唐亘，数据科学家，专注于机器学习和大数据，热爱并积极参与ApacheSpark、Scikit-Learn等开源项目。作为讲师和技术顾问，为多家机构(包括惠普、华为、复旦大学等)提供百余场技术培训。
此前的工作和研究集中于经济和量化金融，曾参与经合组织(QECD)的研究项目并发表论文，并担任英国最大在线出版社Packt的技术审稿人。曾获得复旦大学的数学和计算机双学士学位、巴黎综合理工大学的金融硕士学位、法国国立统计与经济管理学校的数据科学硕士学位。
目录
第1章 绪论
1.1 是数字鹦鹉，还是自我意识
1.1.1 电车难题
1.1.2 任务分解
1.2 数据基础
1.3 模型结构
1.4 关于本书
第2章 数学基础：不可或缺的知识
2.1 向量、矩阵和张量
2.1.1 标量、向量、矩阵与张量
2.1.2 数学记号与特殊矩阵
2.1.3 矩阵运算
2.1.4 向量夹角
2.1.5 矩阵的秩
2.1.6 高维张量运算
2.2 概率
2.2.1 定义概率：事件和概率空间
2.2.2 条件概率：信息的价值
2.2.3 随机变量
2.2.4 正态分布：殊途同归
2.2.5 P-value：自信的猜测
2.3 微积分
2.3.1 导数和积分
2.3.2 极限
2.3.3 链式法则
2.3.4 偏导数与梯度
2.3.5 极值与最值
2.4 本章小结
第3章 线性回归：模型之母
3.1 一个简单的例子
3.1.1 机器学习的建模方式
3.1.2 统计分析的建模方式
3.2 模型实现
3.2.1 机器学习的代码实现
3.2.2 统计分析的代码实现
3.3 模型陷阱
3.3.1 过拟合：模型越复杂越好吗
3.3.2 假设检验：统计分析的解决方案
3.3.3 惩罚项：机器学习的解决方案
3.3.4 比较两种方案
3.4 面向未来的准备
3.4.1 图形表示与数学表达
3.4.2 模型的生命周期与持久化
3.5 本章小结
3.5.1 要点回顾
3.5.2 常见面试问题
第4章 逻辑回归：隐藏因子
4.1 二元分类问题：是与否
4.1.1 线性回归：为何失效
4.1.2 窗口效应：看不见的才是关键
内容摘要
本书从模型的结构和数据基础两个方面解构大语言模型，以便帮助读者理解和搭建类似ChatGPT的系统。在模型的结构方面，大语言模型属于深度神经网络，其设计核心是注意力机制，因此，本书涵盖了多层感知器、卷积神经网络和循环神经网络等经典模型。在模型的数据基础方面，本书既涉及模型训练的工程基础，如反向传播，又涉及数据的使用方式，如迁移学习、强化学习，以及传统的监督学习和无监督学习。此外，本书还阐述了如何从计量经济学和经典机器学习模型中汲取灵感，以提高模型的稳定性和可解释性。本书既适用于希望深入了解大语言模型、通过人工智能技术解决实际问题的读者，也适合作为高等院校计算机及相关专业的师生参考用书。
主编推荐
详解经典模型的核心结构及实现过程，重构ChatGPT。融合统计分析、机器学习、计量经济学等
— 没有更多了 —
以下为对购买帮助不大的评价