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、嵌入向量及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进行文本分类、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，包括嵌入模型的构建、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开发者、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，就可以通过本书深入理解大模型的原理并上手大模型应用开发。书中示例还可以一键在线运行，让学习过程更轻松。
编辑推荐
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、应用开发、优化
3.【实操】真实数据集，实用项目，典型场景
4.【热点】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
作者简介:
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。 Maarten Grootendorst IKNL（荷兰综合癌症中心）高级临床数据科学家，知名大模型技术博客博主，BERTopic等开源大模型软件包作者（下载量超百万），DeepLearning.AI和Udacity热门机器学习和自然语言处理课程作者。
目录:
第 1章 大语言模型简介 3
第 2章 词元和嵌入 31
第3章 LLM的内部机制 61
第4章 文本分类 91
第5章 文本聚类和主题建模 114
第6章 提示工程 140
第7章 高级文本生成技术与工具 168
第8章 语义搜索与RAG 191
第9章 多模态LLM 219
第 10章 构建文本嵌入模型 247
第 11章 为分类任务微调表示模型 277
第 12章 微调生成模型 306
点击下载