深度學習和大模型原理與實踐

常耀斌，資深大數據專家，擁有16年國家級項目架構設計與管理經驗。北郵計算機工學碩士，曾就職於中國電科、華為、中國移動等知名企業，歷任項目經理、高級專家、技術總監、高級架構師等職務。一直專註於億級用戶規模的大數據和人工智能平臺的技術架構研發和關鍵技術研究，參與項目曾獲“國家科技進步特等獎“，個人曾獲“金牌員工”、“優秀共產黨員”稱號。個人擁有中國發明專利40多項，發表國家級期刊學術論文10多篇，多次應邀參加國內頂級會議和高峰論壇，並擔任專家評委和評審專家。

第1章 從機器學習到大模型

1.1 AI的兩次技術革命

1.2 AI技術發展歷程

1.3 機器學習是什麼

1.4 機器學習有哪些分支

1.5 什麼是強化學習

1.6 深度學習的核心思想

1.7 捲積神經網絡

1.8 生成式AI是如何發展起來的

1.9 大語言模型

1.10 是否所有大語言模型都是生成式AI

1.11 大語言模型LLM能乾什麼

1.12 大語言模型的“大”是什麼含義

1.13 大模型的核心技術

1.14 Transformer背後的黑科技

1.15 Transformer演變了哪些成功的模型

1.16 主流算法框架介紹

1.17 Transformer模型的應用

 

第2章 PyTorch編程基礎

2.1 PyTorch 的卓越歷程

2.2 Pytorch的優點

2.3 Pytorch的使用場景

2.4 NumPy庫的數組

2.5 Tensor操作

2.6 GPU加速

2.7 自動求導

2.8 PyTorch 神經網絡

2.9 構建神經網絡

2.10 使用GPU加速

2.11 PyTorch實戰案例

 

第3章 捲積神經網絡

3.1 神經網絡結構

3.2 感知機

3.3 前饋神經網絡

3.4 學習率

3.5 激活函數

3.6 深度學習

3.7 捲積神經網絡

 

第4章Transformer

4.1 Transformer原理

4.2 BERT介紹

4.3 其他預訓練模型

 

第5章 基於深度學習的推薦

5.1 基於行為的協同過濾

5.2 基於深度學習的推薦

5.3 基於pytorch的DeepFM的完整實戰代碼

5.4 模型訓練代碼實戰

 

第6章 YOLO目標檢測

6.1 什麼是YOLO？

6.2 YOLO v1

6.3 YOLO v2

6.4 YOLO v3

6.5 YOLOv4

6.6 YOLOv5

6.7 YOLOv8

 

第7章 人臉識別應用

7.1 應用場景介紹

7.2 人臉識別系統架構

7.3 人臉檢測模型：RetinaFace

7.4 訓練模型

7.5 預測目標

7.6 人臉識別模型：ArcFace

7.7 應用實戰

 

第8章 SwinTransformer視覺大模型詳解

8.1 Vision Transformer如何工作？

8.2 Vision Transformer是第一代CV大模型

8.3 ViT模型架構

8.4 第二代CV大模型：Swin Transformer

8.5 核心代碼講解

 

第9章 地圖智能搜索算法應用

9.1 產品介紹

9.2 文本匹配任務

9.3 ERNIE簡介

9.4 深度語義召回

9.5 深度語義相關性

 

第10章 AI大模型與ChatGPT

10.1 大模型發展的驅動力

10.2 語言模型的定義及作用

10.3 語言模型的發展歷程

10.4 ChatGPT是什麼

10.5 預訓練ChatGPT的步驟

10.6 ChatGPT模型的基本原理