"《從零開始寫大模型：從神經網絡到Transformer》結合豐富的圖示和程序示例，全面、系統(tǒng)地介紹大模型的基本原理，并通過一個極簡大語言模型構建案例帶領讀者上手實踐。本書學習門檻極低，即便零基礎的讀者，也能在本書的引領下比較輕松地掌握大模型的基本知識體系，并理解大模型的基本原理，從而為日后進一步學習打好基礎�！稄牧汩_始寫大模型：從神經網絡到Transformer》提供配套教學視頻、源代碼和教學PPT等超值配套資源，以方便讀者高效、直觀地學習。 《從零開始寫大模型：從神經網絡到Transformer》共20章，分為5篇。第1篇神經網絡快速入門，介紹神經網絡的基礎和結構；第2篇Transformer架構基礎，介紹幾種經典的編解碼架構、Tokenization基礎知識、Transformer架構涉及的數(shù)學概念；第3篇Transformer模型剖析，首先介紹大語言模型的概念和參數(shù)規(guī)模，然后介紹Transformer的詞匯輸入模塊、注意力機制模塊和輸出模塊，最后介紹基于Transformer架構的模型訓練過程、推理過程、優(yōu)化方法和超參數(shù)；第4篇Transformer進階，首先介紹如何使用Python實現(xiàn)一個簡單的Transformer架構，然后介紹BERT和GPT兩種經典大語言模型，最后給出國內一些大公司的高頻面試題；第5篇GPT模型完全體驗之MiniMind，詳細介紹一個開源極簡大語言模型MiniMind的項目情況、代碼結構，以及安裝、訓練、微調與推理過程等，帶領讀者體驗大語言模型的完整構建過程。 《從零開始寫大模型：從神經網絡到Transformer》內容豐富，通俗易懂，案例典型，講解深入淺出，特別適合零基礎學習大模型的讀者閱讀，也適合IT領域或其他領域向AI轉型但缺乏基礎的程序員、工程師等相關從業(yè)人員閱讀，還適合高等院校和培訓機構作為大模型的入門教材或教學參考書。"