第1章 从机器学习到大模型

1.1 AI的两次技术革命

1.2 AI技术发展历程

1.3 机器学习是什么

1.4 机器学习有哪些分支

1.5 什么是强化学习

1.6 深度学习的核心思想

1.7 卷积神经网络

1.8 生成式AI是如何发展起来的

1.9 大语言模型

1.10 是否所有大语言模型都是生成式AI

1.11 大语言模型LLM能干什么

1.12 大语言模型的“大”是什么含义

1.13 大模型的核心技术

1.14 Transformer背后的黑科技

1.15 Transformer演变了哪些成功的模型

1.16 主流算法框架介绍

1.17 Transformer模型的应用

第2章 PyTorch编程基础

2.1 PyTorch 的卓越历程

2.2 Pytorch的优点

2.3 Pytorch的使用场景

2.4 NumPy库的数组

2.5 Tensor操作

2.6 GPU加速

2.7 自动求导

2.8 PyTorch 神经网络

2.9 构建神经网络

2.10 使用GPU加速

2.11 PyTorch实战案例

第3章 卷积神经网络

3.1 神经网络结构

3.2 感知机

3.3 前馈神经网络

3.4 学习率

3.5 激活函数

3.6 深度学习

3.7 卷积神经网络

第4章Transformer

4.1 Transformer原理

4.2 BERT介绍

4.3 其他预训练模型

第5章 基于深度学习的推荐

5.1 基于行为的协同过滤

5.2 基于深度学习的推荐

5.3 基于pytorch的DeepFM的完整实战代码

5.4 模型训练代码实战

第6章 YOLO目标检测

6.1 什么是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 人脸识别应用

7.1 应用场景介绍

7.2 人脸识别系统架构

7.3 人脸检测模型：RetinaFace

7.4 训练模型

7.5 预测目标

7.6 人脸识别模型：ArcFace

7.7 应用实战

第8章 SwinTransformer视觉大模型详解

8.1 Vision Transformer如何工作？

8.2 Vision Transformer是第一代CV大模型

8.3 ViT模型架构

8.4 第二代CV大模型：Swin Transformer

8.5 核心代码讲解

第9章 地图智能搜索算法应用

9.1 产品介绍

9.2 文本匹配任务

9.3 ERNIE简介

9.4 深度语义召回

9.5 深度语义相关性

第10章 AI大模型与ChatGPT

10.1 大模型发展的驱动力

10.2 语言模型的定义及作用

10.3 语言模型的发展历程

10.4 ChatGPT是什么

10.5 预训练ChatGPT的步骤

10.6 ChatGPT模型的基本原理