本书采用独特的一问一答式风格，探讨了当今机器学习和人工智能领域中最重要的30 个问题，旨在帮助读者了解最新的技术进展。全书共分为五个部分：神经网络与深度学习、计算机视觉、自然语言处理、生产与部署、预测性能与模型评测。每一章都围绕一个问题展开，不仅针对问题做出了相应的解释，并配有若干图表，还给出了练习供读者检验自身是否已理解所学内容。
本书适合机器学习初学者以及相关从业者和研究人员阅读。
编辑推荐
大佬作者：本书由GitHub项目LLMs-from-scratch（star数40.2k）作者、大模型独角兽公司Lightning AI工程师倾力打造
行业大咖推荐：本书获得了多位行业大咖的推荐，包括Deep (Learning) Focus网站作者Cameron R. Wolfe，AI Engineering一书作者、Claypot AI联合创始人Chip Huyen，维基媒体基金会机器学习主管Chris Albon，How AI Works一书作者Ronald T. Kneusel等
一问一答式风格：书中采用一问一答式风格，探讨了当今人工智能领域中最重要的30个问题
配套丰富：60道练习及其答案+部分源代码
作者简介:
塞巴斯蒂安·拉施卡（Sebastian Raschka） 极具影响力的人工智能专家，GitHub项目LLMs-from-scratch的star数达40.2k。 现在大模型独角兽公司Lightning AI任资深研究工程师。博士毕业于密歇根州立大学，2018~2023年威斯康星大学麦迪逊分校助理教授（终身教职），从事深度学习科研和教学。 除本书外，他还写作了畅销书《从零构建大模型》和《Python机器学习》。
目录:
第1章 嵌入、潜空间和表征 2
第2章 自监督学习 6
第3章 小样本学习 12
第4章 彩票假设 15
第5章 利用数据来减少过拟合现象 18
第6章 通过改进模型减少过拟合现象 23
第7章 多GPU训练模式 30
第8章 Transformer架构的成功 36
第9章 生成式AI模型 40
第10章 随机性的由来 48
第11章 计算参数量 56
第12章 全连接层和卷积层 61
第13章 ViT架构所需的大型训练集 64
第14章 分布假设 72
第15章 文本数据增强 76
第16章 自注意力 81
第17章 编码器和解码器风格的
第18章 使用和微调预训练
第19章 评测生成式大模型 104
第20章 无状态训练与有状态训练 114
第21章 以数据为中心的人工智能 117
第22章 加速推理 121
第23章 数据分布偏移 126
第24章 泊松回归与序回归 132
第25章 置信区间 134
第26章 置信区间与共形预测 142
第27章 合适的模型度量 148
第28章 k折交叉验证中的k 152
第29章 训练集和测试集的不一致性 156
第30章 有限的有标签数据 158
点击下载