作品简介
本书根据大多数软件公司对AI大模型开发程序员的标准要求,结合范例程序,针对零基础人群,讲述了从“入门”到“能干活”所必需掌握的知识点。
本书内容涵盖了深度学习各种模型的知识点,包括Python和Pytorch的开发环境、神经网络预测技术、用卷积和残差神经网络分类图片的技术、数据预处理和数据增强、用生成对抗网络识别图片的技术、用循环神经网络和Transformer网络分析文本的技术、用VIT模型分类图片的技术、人脸识别和目标物体识别的技术、音频处理技术,以及DeepSeek本地化部署和微调技术等。
出版社清华大学出版社
出版时间2025-08-01
ISBN9787302696872
共 19 章
内容简介试读
前言试读
第1章 神经网络、深度学习和大模型试读
第2章 学习张量,搭建神经网络试读
第3章 实战神经网络(多层感知机)试读
第4章 用卷积神经网络识别图片
第5章 实战残差神经网络
第6章 对模型的实用性操作
第7章 基于深度学习的回归分析和聚类分析
第8章 迁移学习实战
第9章 基于词向量和模型的文本分析
第10章 基于生成对抗网络的图片识别实战
第11章 人脸检测和人脸识别技术实战
第12章 音频处理技术实战
第13章 目标检测技术实战
第14章 强化学习实战
第15章 基于Transformer模型的自然语言翻译
第16章 ViT模型实战
第17章 DeepSeek本地化部署和微调实战

