深度学习与大模型工程化

本书聚焦深度学习与大模型技术的工程化落地，以讲透原理、动手实现代码、提供可复用案例为核心，构建从基础门到前沿应用的完整学习体系。 ?本书共分为4个部分。第一部分为基础门篇，主要讲解深度学习核心概念、线性回归、神经网络基础及PyTorch框架应用，包含从零实现线性回归模型训练、Logistic回归实战、多项式回归与模型选择等案例。第二部分为计算机视觉模型篇，先介绍CNN的原理，再结合边缘检测、猫狗分类研究（基于VGG16）、验证码识别（基于ResNet）、人脸相似度判断（基于孪生神经网络）、火焰和烟雾目标检测（基于YOLOv12）等实战项目讲解计算机视觉任务。第三部分为自然语言处理模型篇，从循环神经网络到注意力机制与机器翻译，通过微博话题识别、气温预测（基于CNN-LSTM混合模型）、从中文到英文的翻译（基于Seq2Seq与注意力机制）等实战项目，破解序列数据建模难题。第四部分为大模型架构与应用篇，解析Transformer架构，通过小型中文聊天系统与医疗问答大模型定制两大实战项目，介绍源大模型微调与推理。 ?本书适合深度学习初学者（含计算机相关专业学生）、AI发/测试工程师、企业AI技术管理者/运维工程师、科研人员/技术爱好者阅读，既为门者搭建系统知识框架，也为资深从业者提供项目落地参考，助力快速掌握深度学习工程化核心技能。
【推荐语】
? 全场景覆盖：基于YOLOv12、Transformer、LLM的三大主流应用  全路实战：PyTorch代码实战，造从模型发到生产部署的完整闭环 全流程落地：手写代码，通从算法与工程的最后一公里
【作者】
金正海，长期深耕AI领域，在深度学习模型发、大模型工程化应用及工业级AI解决方案等方面具有丰富经验，致力于推动深度学习技术的工业化应用。主导研发“体感交互的物联网智能家居系统”并获业界广泛认可。?肖建于，工学博士，教授，硕士生导师。主要研究方向为信息融合、模式识别等。主持国家自然科学基金青年科学基金项目1项，安徽省高等学校科研计划自然科学类研究项目1项。主编教材9部(其中省级规划教材2部)，获安徽省教学成果奖一等奖2项、二等奖4项，全国煤炭行业教学成果奖一等奖2项。