科技 类型
可以朗读 语音朗读
128千字 字数
2025-08-01 发行日期
展开全部

主编推荐语

从文本预处理到知识库系统，全链路解析DeepSeek核心技术。

内容简介

本书是一本系统讲解DeepSeek开发的技术指南，传授大家开发DeepSeek模型的基础知识。旨在帮助读者深入理解DeepSeek的工作机制，并掌握其在大规模预训练、推理优化及应用开发中的关键技术。

全书共10章，依次介绍文本预处理、特征提取、文本分类与情感分析、语言的生成、机器翻译、DeepSeek的核心Transformer模型、多模态模型的架构和训练、预训练模型的训练与微调、DeepSeek API应用开发实战，以及基于DeepSeek的Web知识库系统。

《DeepSeek图解：大模型是怎样构建的》不仅适合对大模型感兴趣的技术人员阅读，也适合人工智能研究者、开发者及行业从业者等阅读。

目录

  • 版权信息
  • 序推荐 夯实智能基石共筑人类未来
  • 前言
  • 第1章 明月松间照，清泉石上流：文本预处理
  • 1.1 分词
  • 1.1.1 分词的重要性和基本原理
  • 1.1.2 基于空格的分词
  • 1.1.3 基于标点符号的分词
  • 1.2 词干化与词形还原
  • 1.2.1 词干化与词形还原的区别
  • 1.2.2 词干化
  • 1.2.3 词形还原
  • 1.3 去除停用词
  • 1.3.1 什么是停用词
  • 1.3.2 基于词汇列表的去除
  • 1.3.3 基于词频的去除
  • 1.3.4 TF-IDF方法去除
  • 1.3.5 机器学习方法去除
  • 1.4 数据清洗和处理
  • 1.4.1 处理缺失值
  • 1.4.2 异常值检测与处理
  • 1.4.3 处理重复数据
  • 第2章 大音希声，大象无形：特征提取
  • 2.1 特征提取介绍
  • 2.1.1 特征在大模型中的关键作用
  • 2.1.2 特征提取与数据预处理的关系
  • 2.2 特征选择
  • 2.2.1 特征选择的必要性
  • 2.2.2 特征选择的方法
  • 2.3 特征抽取
  • 2.3.1 特征抽取的概念
  • 2.3.2 主成分分析
  • 2.3.3 独立成分分析
  • 2.3.4 自动编码器
  • 2.4 嵌入
  • 2.4.1 嵌入介绍
  • 2.4.2 使用嵌入层进行特征提取
  • 2.4.3 Word2Vec模型
  • 2.4.4 GloVe模型
  • 2.5 词袋模型
  • 2.5.1 实现词袋模型的步骤
  • 2.5.2 词袋模型的限制与改进
  • 2.6 TF-IDF值
  • 2.6.1 什么是TF-IDF
  • 2.6.2 使用TF-IDF方法提取文本特征
  • 2.6.3 TF-IDF方法与词袋模型的比较
  • 第3章 人有悲欢离合，月有阴晴圆缺：文本分类与情感分析
  • 3.1 朴素贝叶斯分类器
  • 3.1.1 朴素贝叶斯分类器的基本概念
  • 3.1.2 朴素贝叶斯分类器的应用场景
  • 3.2 支持向量机
  • 3.2.1 SVM介绍
  • 3.2.2 线性SVM与非线性SVM
  • 3.3 随机森林
  • 3.3.1 随机森林介绍
  • 3.3.2 随机森林的应用场景
  • 3.4 卷积神经网络
  • 3.4.1 CNN的发展背景
  • 3.4.2 CNN的结构
  • 3.4.3 文本特征提取与分类
  • 3.5 循环神经网络
  • 3.5.1 循环神经网络介绍
  • 3.5.2 使用TensorFlow框架制作情感分析模型
  • 3.6 递归神经网络
  • 3.6.1 递归神经网络的主要特点
  • 3.6.2 RvNN
  • 第4章 白日依山尽，黄河入海流：语言的生成
  • 4.1 基于规则的生成
  • 4.1.1 基于规则的生成方法介绍
  • 4.1.2 基于规则的生成方法在NLP中的应用场景
  • 4.2 基于统计的生成
  • 4.2.1 基于统计的生成方法介绍
  • 4.2.2 N-gram模型
  • 4.2.3 隐马尔可夫模型
  • 4.2.4 最大熵模型
  • 4.3 基于神经网络的生成
  • 4.3.1 基于神经网络的生成方法
  • 4.3.2 生成对抗网络
  • 4.4 注意力机制
  • 4.4.1 注意力机制介绍
  • 4.4.2 注意力机制的变体
  • 4.5 序列到序列模型
  • 4.5.1 Seq2Seq模型介绍
  • 4.5.2 使用Seq2Seq模型实现翻译系统
  • 第5章 海内存知己，天涯若比邻：机器翻译
  • 5.1 统计机器翻译
  • 5.1.1 SMT介绍
  • 5.1.2 SMT模型
  • 5.1.3 SMT的训练和解码
  • 5.2 神经机器翻译
  • 5.2.1 NMT的特点和工作流程
  • 5.2.2 NMT的训练和解码
  • 5.2.3 基于NMT的简易翻译系统
  • 第6章 会当凌绝顶，一览众山小：DeepSeek的核心Transformer模型
  • 6.1 Transformer模型介绍
  • 6.1.1 Transformer模型的基本概念
  • 6.1.2 Transformer模型的优势
  • 6.1.3 Transformer模型的核心组件
  • 6.1.4 机器翻译任务中的Transformer模型
  • 6.2 多头注意力机制和多头潜在注意力
  • 6.2.1 多头注意力机制
  • 6.2.2 多头潜在注意力
  • 6.3 混合专家架构
  • 6.3.1 MoE架构介绍
  • 6.3.2 MoE架构的特点
  • 6.3.3 MoE架构的应用
  • 6.3.4 DeepSeek中的MoE架构介绍
  • 第7章 大漠孤烟直，长河落日圆：多模态模型的架构和训练
  • 7.1 多模态技术简介
  • 7.1.1 多模态介绍
  • 7.1.2 多模态技术的发展历程
  • 7.2 DeepSeek的多模态大模型
  • 7.2.1 DeepSeek多模态大模型的发展历程
  • 7.2.2 架构介绍
  • 7.2.3 多模态理解
  • 7.2.4 视觉生成路径
  • 7.2.5 自回归Transformer模型
  • 7.2.6 三阶段训练策略
  • 7.3 训练策略
  • 7.3.1 多任务学习
  • 7.3.2 全量微调
  • 7.3.3 对比学习
  • 7.3.4 参数高效微调
  • 7.3.5 迁移学习
  • 7.3.6 人类反馈强化学习
  • 7.3.7 动态学习率调整
  • 7.3.8 监督微调
  • 第8章 学而时习之，不亦说乎：预训练模型的训练和微调
  • 8.1 预训练模型的训练和微调介绍
  • 8.1.1 预训练
  • 8.1.2 微调
  • 8.1.3 预训练与微调的对比
  • 8.2 CLIP模型的微调
  • 8.2.1 实例介绍
  • 8.2.2 创建文本和图像配对数据集
  • 8.2.3 创建模型
  • 8.2.4 训练模型
  • 8.2.5 模型微调
  • 8.2.6 调试运行
  • 8.3 使用KTO微调DeepSeek-R1-Distill-Qwen模型
  • 8.3.1 KTO的概念
  • 8.3.2 DeepSeek-R1-Distill-Qwen模型介绍
  • 8.3.3 具体实现
  • 第9章 千帆过尽，始见真章：DeepSeek API应用开发实战
  • 9.1 DeepSeek API开发基础
  • 9.1.1 DeepSeek API介绍
  • 9.1.2 DeepSeek API基本教程
  • 9.1.3 基于DeepSeek API的对话应用程序
  • 9.2 Chatbox接入实战
  • 9.2.1 DeepSeek接入介绍
  • 9.2.2 接入Chatbox打造可视化知识库
  • 9.3 NextChat接入实战
  • 9.3.1 NextChat的主要功能
  • 9.3.2 运行本地源码
  • 9.3.3 本地安装NextChat
  • 9.4 通过OfficeAI将DeepSeek接入Office
  • 9.4.1 OfficeAI功能介绍
  • 9.4.2 下载并安装OfficeAI助手
  • 9.4.3 在Word中应用DeepSeek
  • 9.4.4 在Excel中应用DeepSeek
  • 9.5 将DeepSeek接入VS Code
  • 9.5.1 Continue插件基础
  • 9.5.2 安装Continue插件
  • 9.5.3 调用DeepSeek生成代码
  • 9.6 基于DeepSeek的微信聊天机器人
  • 9.6.1 基于DeepSeek的微信聊天机器人
  • 9.6.2 安装茴香豆
  • 9.6.3 微信集成
  • 第10章 纸上得来终觉浅，绝知此事要躬行：基于DeepSeek实现的仿Manus Agent系统
  • 10.1 背景介绍
  • 10.2 项目介绍
  • 10.3 总体配置
  • 10.3.1 项目配置
  • 10.3.2 DeepSeek配置
  • 10.4 Tool模块
  • 10.4.1 基类BaseTool
  • 10.4.2 执行CLI命令
  • 10.4.3 计划管理工具
  • 10.4.4 聊天工具
  • 10.4.5 Web搜索工具
  • 10.5 Agent模块
  • 10.5.1 抽象基类
  • 10.5.2 浏览器Agent
  • 10.5.3 链式推理Agent
  • 10.5.4 任务Agent
  • 10.5.5 调用工具Agent
  • 10.5.6 MCP Agent
  • 10.5.7 ReAct Agent
  • 10.5.8 Manus Agent
  • 10.6 Flow模块
  • 10.6.1 Agent执行流程基类
  • 10.6.2 Flow工厂
  • 10.6.3 任务规划管理和执行Flow
  • 10.7 调试运行
  • 10.7.1 安装方式
  • 10.7.2 启动运行
展开全部

评分及书评

评分不足
2个评分

出版方

北京大学出版社

北京大学出版社是在1979年，经国家出版事业管理局同意，教育部批准成立的，恢复了北京大学出版社建制。北京大学出版社依靠北大雄厚的教学、科研力量，同时积极争取国内外专家学者的合作支持，出版了大量高水平、高质量、适应多层次需要的优秀高等教育教材。 北大出版社注意对教材进行全面追踪，捕捉信息，及时修订，以跟上各学科的最新发展，反映该学科研究的最新成果，保持北大版教材的领先地位。