科技
类型
8.1
豆瓣评分
可以朗读
语音朗读
112千字
字数
2025-02-01
发行日期
展开全部
主编推荐语
30个大模型高频知识点全解析。
内容简介
本书采用独特的一问一答式风格，探讨了当今机器学习和人工智能领域中最重要的30个问题，旨在帮助读者了解最新的技术进展。
全书共分为五个部分：神经网络与深度学习、计算机视觉、自然语言处理、生产与部署、预测性能与模型评测。每一章都围绕一个问题展开，不仅针对问题做出了相应的解释，并配有若干图表，还给出了练习供读者检验自身是否已理解所学内容。
目录
- 版权信息
- 序言
- 致谢
- 前言
- 第一部分 神经网络与深度学习
- 第1章 嵌入、潜空间和表征
- 1.1 嵌入
- 1.2 潜空间
- 1.3 表征
- 1.4 练习
- 1.5 参考文献
- 第2章 自监督学习
- 2.1 自监督学习与迁移学习
- 2.2 使用无标签数据
- 2.3 自预测与对比自监督学习
- 2.4 练习
- 2.5 参考文献
- 第3章 小样本学习
- 3.1 数据集与术语
- 3.2 练习
- 第4章 彩票假设
- 4.1 彩票假设的训练流程
- 4.2 实际意义与局限性
- 4.3 练习
- 4.4 参考文献
- 第5章 利用数据来减少过拟合现象
- 5.1 常用方法
- 5.2 其他方法
- 5.3 练习
- 5.4 参考文献
- 第6章 通过改进模型减少过拟合现象
- 6.1 常用方法
- 6.2 其他方法
- 6.3 选择正则化技术
- 6.4 练习
- 6.5 参考文献
- 第7章 多GPU训练模式
- 7.1 训练模式
- 7.2 建议
- 7.3 练习
- 7.4 参考文献
- 第8章 Transformer架构的成功
- 8.1 注意力机制
- 8.2 通过自监督学习进行预训练
- 8.3 大规模参数
- 8.4 轻松并行化
- 8.5 练习
- 8.6 参考文献
- 第9章 生成式AI模型
- 9.1 生成式模型与判别式模型
- 9.2 深度生成式模型的类型
- 9.3 建议
- 9.4 练习
- 9.5 参考文献
- 第10章 随机性的由来
- 10.1 模型权重初始化
- 10.2 数据集采样与重排
- 10.3 非确定性算法
- 10.4 不同运行时的算法
- 10.5 硬件与驱动程序
- 10.6 随机性与生成式AI
- 10.7 练习
- 10.8 参考文献
- 第二部分 计算机视觉
- 第11章 计算参数量
- 11.1 如何计算参数量
- 11.2 实际应用
- 11.3 练习
- 第12章 全连接层和卷积层
- 12.1 当卷积核与输入大小相同时
- 12.2 当卷积核大小为1时
- 12.3 建议
- 12.4 练习
- 第13章 ViT架构所需的大型训练集
- 13.1 CNN中的归纳偏置
- 13.2 ViT可以比CNN表现得更好
- 13.3 ViT中的归纳偏置
- 13.4 建议
- 13.5 练习
- 13.6 参考文献
- 第三部分 自然语言处理
- 第14章 分布假设
- 14.1 Word2vec、BERT和GPT
- 14.2 假设成立吗
- 14.3 练习
- 14.4 参考文献
- 第15章 文本数据增强
- 15.1 同义词替换
- 15.2 词语删除
- 15.3 词语位置交换
- 15.4 句子乱序
- 15.5 噪声注入
- 15.6 回译
- 15.7 合成数据生成
- 15.8 建议
- 15.9 练习
- 15.10 参考文献
- 第16章 自注意力
- 16.1 RNN中的注意力
- 16.2 自注意力机制
- 16.3 练习
- 16.4 参考文献
- 第17章 编码器和解码器风格的Transformer架构
- 17.1 原始的Transformer
- 17.2 编码器-解码器混合模型
- 17.3 专业术语
- 17.4 当代Transformer模型
- 17.5 练习
- 17.6 参考文献
- 第18章 使用和微调预训练Transformer
- 18.1 使用Transformer执行分类任务
- 18.2 上下文学习、索引和提示词调优
- 18.3 参数高效的微调方法
- 18.4 基于人类反馈的强化学习
- 18.5 适配预训练语言模型
- 18.6 练习
- 18.7 参考文献
- 第19章 评测生成式大模型
- 19.1 大模型的评测指标
- 19.2 替代指标
- 19.3 练习
- 19.4 参考文献
- 第四部分 生产与部署
- 第20章 无状态训练与有状态训练
- 20.1 无状态（重）训练
- 20.2 有状态训练
- 20.3 练习
- 第21章 以数据为中心的人工智能
- 21.1 以数据为中心的人工智能与以模型为中心的人工智能
- 21.2 建议
- 21.3 练习
- 21.4 参考文献
- 第22章 加速推理
- 22.1 并行化
- 22.2 向量化
- 22.3 循环分块
- 22.4 算子融合
- 22.5 量化
- 22.6 练习
- 22.7 参考文献
- 第23章 数据分布偏移
- 23.1 协变量偏移
- 23.2 标签偏移
- 23.3 概念偏移
- 23.4 领域偏移
- 23.5 数据分布偏移的类型
- 23.6 练习
- 23.7 参考文献
- 第五部分 预测性能与模型评测
- 第24章 泊松回归与序回归
- 练习
- 第25章 置信区间
- 25.1 定义置信区间
- 25.2 方法
- 25.3 练习
- 25.4 参考文献
- 第26章 置信区间与共形预测
- 26.1 置信区间和预测区间
- 26.2 预测区间与共形预测
- 26.3 预测区域、预测区间与预测集合
- 26.4 计算共形预测
- 26.5 共形预测示例
- 26.6 共形预测的优点
- 26.7 建议
- 26.8 练习
- 26.9 参考文献
- 第27章 合适的模型度量
- 27.1 标准
- 27.2 均方误差
- 27.3 交叉熵损失
- 27.4 练习
- 第28章 k折交叉验证中的k
- 28.1 选择k值时的权衡考量
- 28.2 确定适当的k值
- 28.3 练习
- 28.4 参考文献
- 第29章 训练集和测试集的不一致性
- 练习
- 第30章 有限的有标签数据
- 30.1 利用有限的有标签数据提高模型性能
- 30.2 建议
- 30.3 练习
- 30.4 参考文献
- 后记
- 附录 练习答案
展开全部
评分及书评
评分不足
1个评分
出版方
人民邮电出版社
人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。
