loading
cover

AI程式設計、深度學習與LLM入門到精通:PyTorch × GPT × Transformer × LLaMA實作指南(iThome鐵人賽系列書)

點閱數

作者
黃朝隆

出版社
博碩文化

格式
PDF

全面掌握AI技術,開創屬於自己的AI之路,晉升專業實戰AI工程師
AI模型優化與實戰入門,矩陣到大型語言模型的完整攻略
理論與實作並行,完整理解AI的邏輯與機制


 


【內容簡介】
♚AI知識剖析:完整理解數學、程式及實戰案例
♚實務能力提升:學會建構、優化並實際應用AI模型
♚實戰案例培訓:提供競賽經驗與案例,符合現場實務需求
♚前瞻技術學習:掌握從經典模型到Transformer架構


本書內容改編自第16屆iThome鐵人賽AI / ML & Data組佳作系列文章《從零開始學AI:數學基礎與程式碼撰寫全攻略》。本書是專為AI初學者與工程師所寫的實戰指南,涵蓋從數學基礎、NumPy操作到PyTorch建模與經典深度學習架構,強調不只教「怎麼做」,更解析「為什麼這樣做」。


作者結合競賽與實務經驗,深入剖析流程邏輯與常見錯誤,帶你掌握資料前處理、特徵選取、模型訓練、效能評估與部署,並逐步理解從感知器到Transformer的核心概念,幫助你真正理解模型原理、具備獨立設計與優化AI模型的能力。


【目標讀者】
✪想要補足實作能力並加強理解、提升競賽與研究成果的學生與研究者。
✪想用多樣的方式理解複雜概念、對AI感興趣的非專業人士。
✪想要理解並導入AI技術、強化職場競爭力軟體的開發人員與工程師。
✪調整模型成為特定領域專家、使其協助日常生活的專業領域人士。



【專業推薦】
本書最討喜的地方在於理論與實作並重。更難得的是,書中穿插各式實務場景,點出真實專案裡那些惱人的小坑與解法,不只給漂亮結果,而是教你面對雜訊與限制。
─ 許芫齊,2025 AI CUP春季賽亞軍



本書建立了一個完整的學習流程:大綱引導→動手實作→QA問答,既易於理解,又能引導實作。對初學者而言,它是最穩妥的起點;對已有基礎的讀者,則提供了深化理論、補強實務的完整路徑。
─ 蘇連宏,2025 AI CUP春季賽殿軍



本書是一套實戰導向的可遷移知識體系,把數學直覺、程式實作、實驗設計與效能量測有機地扣在一起,既能支撐學術研究的嚴謹,也能對接產業場景的效率與可靠度。
─ 吳宇祈,國立成功大學 電機工程系碩士



本書以六個階段鋪陳學習路徑,先用NumPy把數學與張量運算動手拆開,再平順橋接到PyTorch的現代訓練框架,最後銜接自建模型與經典架構的理解與應用,結構清楚、節點分明,不會迷失方向。
─ 陳冠穎,國立成功大學 電機工程系碩士

黃朝隆


現任AI研發工程師,專注於人工智慧與軟體開發,擅長自然語言處理、生成式AI及大型語言模型應用,致力於將前沿技術導入企業實務與智慧化系統。自碩士期間起,積極參與跨領域專案與學術研究,曾率領團隊於2025 AI CUP全國大專院校人工智慧競賽榮獲冠軍與亞軍,並取得多項競賽佳績。


除研發與著作外,亦受邀擔任企業內訓與學術講師,並具有國內外家教經驗,長期協助澳洲、新加坡及台灣的大專學生及業界工程師學習Python、深度學習、自然語言處理及AI專案開發。以實務導向與國際視野的教學方式,協助學生成功完成學業、研究專案,並順利進入人工智慧相關產業。

|Chapter 01| 人工智慧入門與Python環境建置
|Chapter 02| 單層感知器的數學原理與實作入門
|Chapter 03| 多層感知器與優化策略實戰
|Chapter 04| PyTorch環境搭建與深度神經網路實作
|Chapter 05| CNN原理與PyTorch實作
|Chapter 06| 文字處理、序列模型與情緒分析實戰
|Chapter 07| Seq2Seq與Attention架構解析
|Chapter 08| 萬物皆可Transformer:Encoder與BERT系列
|Chapter 09| 萬物皆可Transformer:Decoder與GPT系列
|Chapter 10| 萬物皆可Transformer:中文語音辨識與Whisper微調
|Chapter 11| 萬物皆可Transformer:從GPT-3到LLaMA 3的指示學習

其他人也在看