史上最完整 - 一本書晉升深度學習世界級大師 王成、黃曉輝
產品編號：9786267757581
促銷 下單就送小禮物
購物每消費滿300元，可獲得1元購物金
網路價
NT${{ commaFormat(product.price_actu) }}
NT${{commaFormat(product.price_sugg)}}
專屬特惠價 NT${{ commaFormat(product.group_price) }}
優惠價
NT${{ commaFormat(product.member_price) }}
NT${{ commaFormat(product.group_price) }}
商品組合
贈品 (買就送)
{{ pItem.title }}
付款方式
轉帳/匯款/無摺存款 / LinePay付款 / 超商代碼付款(綠界金流) / 信用卡一次付清(綠界金流) / AFTEE 先享後付 / [圖書專用] 7-11取貨付款
配送方式
7-11超商取貨 / 全家超商取貨 / 宅配到家 / 校園門市店到店取貨(需7~10個工作天，急用勿選)
超值加購
{{ pItem.title }}
型號:{{ pItem.model }}
加購價 NT${{pItem.extra_price}}
(原價NT${{pItem.price_orig}})
加購數量
已搶購一空
作者： 王成、黃曉輝
出版社： 深智數位
出版日：2025/12/24
【內容】
【內容特點】
★深度神經網路架構與演算法
★卷積神經網路、循環神經網路實作解析
★多頭注意力機制與Transformer原理
★BERT、GPT系列模型結構與應用
★預訓練語言模型任務與資料構建流程
★自然語言處理：Word2Vec、GloVe、fastText
★訓練最佳化：Adam、AdaGrad、BatchNorm
★模型評估指標與過擬合正規化技術
★文字分類、問答系統、命名實體辨識模型建構
★端到端模型訓練與微調流程
★多GPU訓練與參數共享技術
★PyTorch框架與範例程式實作
★深度學習開發環境與GPU部署教學
★ChatGPT、InstructGPT、GPT-4使用與提示詞工程
【內容簡介】
本書針對自然語言處理與大語言模型的完整技術鏈條進行系統化整理，內容涵蓋文字表示、語言模型、詞向量、神經網路架構、預訓練模型、大語言模型訓練與應用等領域。相較於僅以應用為導向的實作教材，本書更注重方法論、模型結構與設計邏輯，透過引導方式逐步建構讀者對自然語言處理任務類型、演算法發展脈絡與各類模型原理的理解，並提供必要的數學符號與程式碼範例輔助說明，特別針對BERT、GPT等模型提供演化系譜與結構剖析，搭配模型調配、微調、部署與評估技術，兼顧訓練方法與應用實作需求，對希望掌握現代語言模型核心機制與架構實現的技術開發者與研究人員具實質參考價值。
【目錄】
第1 章 深度學習簡介
1.1 深度學習的發展階段
1.2 深度學習中的關鍵人物
1.3 深度學習框架介紹
1.4 本書的系統結構
第2 章 環境設定
2.1 系統結構介紹
2.2 深度學習環境安裝
2.3 開發環境安裝設定
第3 章 深度學習基礎
3.1 線性迴歸
3.2 線性迴歸的簡捷實現
3.3 梯度下降與反向傳播
3.4 從零實現迴歸模型
3.5 從邏輯迴歸到Softmax 迴歸
3.6 Softmax 迴歸的簡捷實現
3.7 從零實現分類模型
3.8 迴歸模型評估指標
3.9 分類模型評估指標
3.10 過擬合與正規化
3.11 超參數與交叉驗證
3.12 啟動函式
3.13 多標籤分類
第4 章 卷積神經網路
4.1 卷積的概念
4.2 卷積的計算過程
4.3 填充和池化
4.4 LeNet5 網路
4.5 AlexNet 網路
4.6 VGG 網路
4.7 NIN 網路
4.8 GoogLeNet 網路
4.9 ResNet 網路
4.10 DenseNet 網路
第5 章 模型訓練與重複使用
5.1 參數及日誌管理
5.2 TensorBoard 視覺化
5.3 模型的儲存與重複使用
5.4 模型的遷移學習
5.5 開放原始碼模型重複使用
5.6 多GPU 訓練
5.7 資料前置處理快取
第6 章 模型最佳化方法
6.1 學習率排程器
6.2 梯度裁剪
6.3 批歸一化
6.4 層歸一化
6.5 組歸一化
6.6 動量法
6.7 AdaGrad 演算法
6.8 AdaDelta 演算法
6.9 Adam 演算法
6.10 初始化方法
第7 章 循環神經網路
7.1 RNN
7.2 時序資料
7.3 LSTM 網路
7.4 GRU 網路
7.5 BiRNN 網路
7.6 CharRNN 網路
第8 章 時序與模型融合
8.1 TextCNN
8.2 TextRNN
8.3 CNN-RNN
8.4 ConvLSTM 網路
8.5 3DCNN
8.6 STResNet
第9 章 自然語言處理
9.1 自然語言處理介紹
9.2 Word2Vec 詞向量
9.3 Word2Vec 訓練與使用
9.4 GloVe 詞向量
9.5 詞向量的微調使用
9.6 fastText 網路
9.7 Seq2Seq 網路
9.8 序列模型評價指標
9.9 NMT 網路
9.10 注意力機制
9.11 含注意力的NMT 網路
9.12 含注意力的RNN
第10 章 現代神經網路
10.1 ELMo 網路
10.2 Transformer 網路
10.3 Transformer 結構
10.4 Transformer 實現
10.5 Transformer 對聯模型
10.6 BERT 網路
10.7 從零實現BERT
10.8 BERT 文字分類模型
10.9 BERT 問題選擇模型
10.10 BERT 問題回答模型
10.11 BERT 命名實體辨識模型
10.12 BERT 從零訓練
10.13 GPT-1 模型
10.14 GPT-2 與GPT-3 模型
10.15 基於GPT-2 的中文預訓練模型
10.16 InstructGPT 與ChatGPT
10.17 ChatGPT 與提示詞工程
10.18 百川大模型使用
10.19 百川大模型實現
10.20 GPT-4 與GPT 的使用
第1 章 深度學習簡介
1.1 深度學習的發展階段
1.2 深度學習中的關鍵人物
1.3 深度學習框架介紹
1.4 本書的系統結構
第2 章 環境設定
2.1 系統結構介紹
2.2 深度學習環境安裝
2.3 開發環境安裝設定
第3 章 深度學習基礎
3.1 線性迴歸
3.2 線性迴歸的簡捷實現
3.3 梯度下降與反向傳播
3.4 從零實現迴歸模型
3.5 從邏輯迴歸到Softmax 迴歸
3.6 Softmax 迴歸的簡捷實現
3.7 從零實現分類模型
3.8 迴歸模型評估指標
3.9 分類模型評估指標
3.10 過擬合與正規化
3.11 超參數與交叉驗證
3.12 啟動函式
3.13 多標籤分類
第4 章 卷積神經網路
4.1 卷積的概念
4.2 卷積的計算過程
4.3 填充和池化
4.4 LeNet5 網路
4.5 AlexNet 網路
4.6 VGG 網路
4.7 NIN 網路
4.8 GoogLeNet 網路
4.9 ResNet 網路
4.10 DenseNet 網路
第5 章 模型訓練與重複使用
5.1 參數及日誌管理
5.2 TensorBoard 視覺化
5.3 模型的儲存與重複使用
5.4 模型的遷移學習
5.5 開放原始碼模型重複使用
5.6 多GPU 訓練
5.7 資料前置處理快取
第6 章 模型最佳化方法
6.1 學習率排程器
6.2 梯度裁剪
6.3 批歸一化
6.4 層歸一化
6.5 組歸一化
6.6 動量法
6.7 AdaGrad 演算法
6.8 AdaDelta 演算法
6.9 Adam 演算法
6.10 初始化方法
第7 章 循環神經網路
7.1 RNN
7.2 時序資料
7.3 LSTM 網路
7.4 GRU 網路
7.5 BiRNN 網路
7.6 CharRNN 網路
第8 章 時序與模型融合
8.1 TextCNN
8.2 TextRNN
8.3 CNN-RNN
8.4 ConvLSTM 網路
8.5 3DCNN
8.6 STResNet
第9 章 自然語言處理
9.1 自然語言處理介紹
9.2 Word2Vec 詞向量
9.3 Word2Vec 訓練與使用
9.4 GloVe 詞向量
9.5 詞向量的微調使用
9.6 fastText 網路
9.7 Seq2Seq 網路
9.8 序列模型評價指標
9.9 NMT 網路
9.10 注意力機制
9.11 含注意力的NMT 網路
9.12 含注意力的RNN
第10 章 現代神經網路
10.1 ELMo 網路
10.2 Transformer 網路
10.3 Transformer 結構
10.4 Transformer 實現
10.5 Transformer 對聯模型
10.6 BERT 網路
10.7 從零實現BERT
10.8 BERT 文字分類模型
10.9 BERT 問題選擇模型
10.10 BERT 問題回答模型
10.11 BERT 命名實體辨識模型
10.12 BERT 從零訓練
10.13 GPT-1 模型
10.14 GPT-2 與GPT-3 模型
10.15 基於GPT-2 的中文預訓練模型
10.16 InstructGPT 與ChatGPT
10.17 ChatGPT 與提示詞工程
10.18 百川大模型使用
10.19 百川大模型實現
10.20 GPT-4 與GPT 的使用
【關於教科書訂購說明】
☆ 單本即有折扣，將商品放入購物車就可以看見優惠價唷！五本以上團購更便宜！加入會員訂購，還可累積購物金！
★ 若有急需用書，可先LINE私訊詢問庫存呦~
☆ 出貨時間：有現貨的，2個工作日內出貨；無現貨，約3~5個工作日 出貨
【寄送方式說明】
❶ 實體門市取貨
全台麗文校園書局皆可取貨，貨到書局將會以簡訊通知。
❷ 超商取貨
提供7-11及全家超商取貨(需先付款，無貨到付款)。
❸ 一般宅配
本公司主要與黑貓宅急便配合，送達到您指定的地址。
※當您於本網站消費交易完成後，電子發票將會以電子郵件寄給您；如需紙本發票請於下訂時於備註欄位說明。
【付款方式說明】
❶ ATM轉帳、匯款
銀行│第一銀行-三民分行
代號│007
戶名│麗文文化事業股份有限公司
帳號│704-10-051861
※實體ATM每日轉帳最高限額為3萬，若訂購金額超過3萬元，請分兩天或是使用不同的銀行帳戶轉帳。
❷ 信用卡（可分期，需負擔手續費）
凡各家銀行的VISA、MASTER、Union Pay、JCB信用卡皆可使用。
❺ 超商代碼
系統會發送繳費代碼至您的電子信箱，需自行至「超商機器ex：iBon」輸入代碼，產生繳費單後前往櫃檯繳費。
❼ 免卡分期
麗文校園購與「zingala銀角零卡」「第一資融」以及「皮路後支付」合作，讓您免用信用卡就可以購物。
如有使用上的問題，可以先與揪小編聯絡唷！。
※請注意：超過7天未付款之訂單則訂單自動失效；免卡分期訂單成立起7天內未主動聯繫亦同。
【其他說明】
❶關於出貨
1.商品為不缺貨前提下，訂單完成付款後2-4個工作天將會出貨(不含例假日及國定假日)；若商品缺貨則須等待1-2週。
2.麗文校園揪來玩保留訂單接受與否權利，若因交易條件有誤或有其他情形導致我們無法接受您的訂單，將以E-mail發送取消訂單通知給您，造成不便敬請見諒。
❷關於退貨
1.非門市現場消費享有七天猶豫期，收到商品當天往後算七天內若是決定不買，則協助不要拆封，一拆封視同願意購買。
2.若真的決定不購買商品要退貨，請聯繫我們LINE線上客服，我們會盡速為您處理。
❸關於新品瑕疵與維修保固
1.全新商品享有購買七日內，新品瑕疵的換新保障；但新品瑕疵與否，是由商品代理商或原廠所判定，麗文校園揪來玩僅能依據判定的結果給予協助。若是原廠判定非新品瑕疵則無法換新，需改為維修的方式處理。
2.新品瑕疵換新的作業時間，將依各廠商的流程而定，最快2個工作天，慢的話也可能需要到15個工作天。
3.購買超過七日後，維修服務由原廠提供。如有需要維修，麗文校園揪來玩可以代為送修，但送修如需運費時（EX:原廠沒有提供免費收件服務），則需由您負擔送修的運費（運費約為100元起，因商品大小而異）。
【華碩的維修服務】
