图解大模型:生成式AI原理与实战

本书全程图解式讲解，通过大量全彩插图拆解概念，让读者真正告别学习大模型的枯燥和复杂。  全书分为三部分，依次介绍语言模型的原理、应用及优化。第一部分 理解语言模型（第1~3章），解析语言模型的核心概念，包括词元、嵌向量及Transformer架构，帮助读者建立基础认知。第二部分 使用预训练语言模型（第4~9章），介绍如何使用大模型行文本分类、聚类、语义搜索、文本生成及多模态扩展，提升模型的应用能力。第三部分 训练和微调语言模型（第10~12章），探讨大模型的训练与微调方法，包括嵌模型的构建、分类任务的优化及生成式模型的微调，以适应特定需求。  本书适合对大模型感兴趣的发者、研究人员和行业从业者。读者无须深度学习基础，只要会用Python，就可以通过本书深理解大模型的原理并上手大模型应用发。书中示例还可以一键在线运行，让学习过程更轻松。
【推荐语】
1.【直观】300幅全彩插图，极致视觉化呈现 2.【全面】涵盖大模型原理、应用发、优化 3.【实操】真实数据集，实用项目，典型场景 4.【热】18幅图深度解读DeepSeek底层原理 5.【附赠】一键运行代码 大模型面试题200问 6.【视频】大量线上拓展资料，包括文章、视频
【作者】
Jay Alammar  Cohere总监兼工程研究员，知名大模型技术博客Language Models & Co作者，DeepLearning.AI和Udacity热门机器学习和自然语言处理课程作者。 Jay的图解系列文章“The Illustrated Transformer”“The Illustrated DeepSeek-R1”全网疯传，累积了几百万专业读者。