机读格式显示(MARC)

• 000 01392nam0 2200253 450

• 001 0000200901

• 005 20241013180200.0

• 010 __ |a 978-7-121-47740-9 |d CNY159.00

• 100 __ |a 20240606d2024 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a z 000yy

• 106 __ |a r

• 200 1_ |a 解构大语言模型 |A jie gou da yu yan mo xing |e 从线性回归到通用人工智能 |f 唐亘著

• 210 __ |a 北京 |c 电子工业出版社 |d 2024.05

• 215 __ |a XVIII, 414页 |d 24cm

• 314 __ |a 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。

• 330 __ |a 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。

• 517 1_ |a 从线性回归到通用人工智能 |A cong xian xing hui gui dao tong yong ren gong zhi neng

• 606 0_ |a 自然语言处理 |A zi ran yu yan chu li

• 690 __ |a TP391 |v 5

• 701 _0 |a 唐亘 |A tang gen |4 著

• 801 _0 |a CN |b 上海新华 |c 20241011

• 905 __ |a AHLSL |d TP391/311