包邮深度学习和大模型原理与实践

第1章 从机器学习到大模型1.1 AI的两次技术革命1.2 AI技术发展历程1.3 机器学习是什么1.4 机器学习有哪些分支1.5 什么是强化学习1.6 深度学习的核心思想1.7 卷积神经网络1.8 生成式AI是如何发展起来的1.9 大语言模型1.10 是否所有大语言模型都是生成式AI1.11 大语言模型LLM能干什么1.12 大语言模型的“大”是什么含义1.13 大模型的核心技术第1章 从机器学习到大模型1.1 AI的两次技术革命1.2 AI技术发展历程1.3 机器学习是什么1.4 机器学习有哪些分支1.5 什么是强化学习1.6 深度学习的核心思想1.7 卷积神经网络1.8 生成式AI是如何发展起来的1.9 大语言模型1.10 是否所有大语言模型都是生成式AI1.11 大语言模型LLM能干什么1.12 大语言模型的“大”是什么含义1.13 大模型的核心技术1.14 Transformer背后的黑科技1.15 Transformer演变了哪些成功的模型1.16 主流算法框架介绍1.17 Transformer模型的应用 第2章 PyTorch编程基础2.1 PyTorch 的卓越历程2.2 Pytorch的优点2.3 Pytorch的使用场景2.4 NumPy库的数组2.5 Tensor操作2.6 GPU加速2.7 自动求导2.8 PyTorch 神经网络2.9 构建神经网络2.10 使用GPU加速2.11 PyTorch实战案例 第3章 卷积神经网络3.1 神经网络结构3.2 感知机3.3 前馈神经网络3.4 学习率3.5 激活函数3.6 深度学习3.7 卷积神经网络 第4章Transformer4.1 Transformer原理4.2 BERT介绍4.3 其他预训练模型 第5章 基于深度学习的推荐5.1 基于行为的协同过滤5.2 基于深度学习的推荐5.3 基于pytorch的DeepFM的完整实战代码5.4 模型训练代码实战 第6章 YOLO目标检测6.1 什么是YOLO？6.2 YOLO v16.3 YOLO v26.4 YOLO v36.5 YOLOv46.6 YOLOv56.7 YOLOv8 第7章 人脸识别应用7.1 应用场景介绍7.2 人脸识别系统架构7.3 人脸检测模型：RetinaFace7.4 训练模型7.5 预测目标7.6 人脸识别模型：ArcFace7.7 应用实战 第8章 SwinTransformer视觉大模型详解8.1 Vision Transformer如何工作？8.2 Vision Transformer是**代CV大模型8.3 ViT模型架构8.4 第二代CV大模型：Swin Transformer8.5 核心代码讲解 第9章 地图智能搜索算法应用9.1 产品介绍9.2 文本匹配任务9.3 ERNIE简介9.4 深度语义召回9.5 深度语义相关性 第10章 AI大模型与ChatGPT10.1 大模型发展的驱动力10.2 语言模型的定义及作用10.3 语言模型的发展历程10.4 ChatGPT是什么10.5 预训练ChatGPT的步骤10.6 ChatGPT模型的基本原理