机读格式显示(MARC)

• 000 01954nam 2200325 450

• 001 0000760662

• 005 20250618184900.0

• 010 __ |a 978-7-115-65983-5 |d CNY69.80

• 100 __ |a 20250313d2025 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 大模型技术30讲 |A da mo xing ji shu 30 jiang |f (美) 塞巴斯蒂安·拉施卡著 |d = 30 essential questions and answers machine learning and AI |f Sebastian Raschka |g 叶文滔译 |z eng

• 210 __ |a 北京 |c 人民邮电出版社 |d 2025

• 215 __ |a 182页 |c 图 |d 24cm

• 225 2_ |a 图灵程序设计丛书 |A tu ling cheng xu she ji cong shu

• 300 __ |a 图灵教育

• 306 __ |a 由No Starch Press授权出版

• 314 __ |a 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38.2k。现在大模型独角兽公司Lightning Al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。叶文滔, 中国计算机学会自然语言处理专委会委员。曾任职于字节跳动、蚂蚁集团、星环科技、平安科技等互联网科技企业，负责过多个人工智能、大模型领域研发项目, 拥有多项人工智能相关专利, 并著有多篇相关论文。

• 320 __ |a 有书目

• 330 __ |a 本书中, 我们将学习各种新概念, 如深度神经网络架构、计算机视觉、自然语言处理、产品化与部署和模型评估, 内容涉及: 如何利用修改后的数据集或模型来降低过拟合 ; 如何处理深度神经网络训练中的常见随机性来源 ; 如何在不改变模型架构或降低精度的情况下, 通过优化加快模型推断速度 ; 如何在实践中应用彩票机制假设和分布假设 ; 如何使用和微调预训练的大规模语言模型等技术。

• 410 _0 |1 2001 |a 图灵程序设计丛书

• 500 10 |a 30 essential questions and answers machine learning and AI |A 30 Essential Questions And Answers Machine Learning And Ai |m Chinese

• 606 0_ |a 人工智能 |A ren gong zhi neng

• 690 __ |a TP18 |v 5

• 701 _1 |a 拉施卡 |A la shi ka |g (Raschka, Sebastian) |4 著

• 702 _0 |a 叶文滔 |A ye wen tao |4 译

• 801 _0 |a CN |b WFKJXY |c 20250618

• 905 __ |a WFKJXY |d TP18/688