Sutskever 大神推薦 - 建構AI世界最重要的30篇論文:用PyTorch完整實作-FindBook 找書網 ISBN:9786267757956

圖書名稱：Sutskever 大神推薦 - 建構AI世界最重要的30篇論文:用PyTorch完整實作

用 PyTorch、NumPy、Google Colab T4 GPU 最強工具
完整實作 Perceptron、CNN、RNN、Transformer、GPT、RLHF 等經典論文

* Perceptron / MLP / Backpropagation / CNN / RNN / LSTM 精選論文實作
* 超過 30 個完整 Jupyter Notebook 重現論文過程
* 最棒的學習路徑，從 1958 到 2022，一次掌握 64 年 AI 發展史
* 串接 Google Colab 免費 GPU，無限制的運算資源，還有 T4 加速
* 用 PyTorch 撰寫 Attention、Transformer、BERT
* 實作 AlphaGo，5 分鐘搞懂蒙地卡羅樹搜尋，自己幫你跑完整局棋
* 快速寫出 Visual Transformer 完整實作

快點上手全世界最強 AI 研究者的必讀論文，從此不用再苦苦爬 arXiv，不用再嫌自己看不懂數學，只要會寫程式。讓 PyTorch 帶你用 Vibe Coding 以百倍速度把論文變成能跑的程式碼。本書從入門到實戰，一路扶持你成為能駕馭 AI 論文的開發者。

從設定 Google Colab 環境與啟用 T4 GPU，熟悉 PyTorch 張量操作，活用 Perceptron、MLP、Backpropagation、Dropout、BatchNorm，立即感受大神們在完成論文的開心！

包括使用 CNN 做影像辨識，使用 Word2Vec 做詞嵌入，使用 RNN 和 LSTM 處理序列資料，使用 Seq2Seq 做機器翻譯，當然還有使用 Attention 機制，重現歷史的重要 AI 時刻。

掌握 Transformer 的關鍵思維，了解 BERT 與 GPT 的預訓練威力，結合 Decoder-Only 架構，不用再摸索無盡的論文海，不用再埋頭苦讀上百頁英文的官方文件，直接就動手做了

用 VAE 精準生成，了解 AI 最愛看的 GAN 生成對抗網路，使用 ResNet 建立一個 AI 專用的殘差連接流程，從零打造 Batch Normalization；再進一步實作 DQN 強化學習與 AlphaGo 蒙地卡羅樹搜尋策略，最後用 InstructGPT 與 RLHF，Dall-E、Stable Diffusion、Visual Transformer，了解 AI 圖片產生的原理。

作者簡介：

胡嘉璽
研究領域為 LLM、Vibe Coding、Agent、量子電腦、虛擬化及容器。
聯絡方式：github/joshhu

作者序

§序
2020 年，兩個大神之間的一段對話在矽谷傳開了。
傳奇遊戲程式設計師John Carmack，《毀滅戰士DOOM》、《雷神之鎚Quake》的創造者，決定轉向AI 領域。他向OpenAI 的共同創辦人兼首席科學家Ilya Sutskever 請教：「如果要真正理解深度學習，我應該讀什麼？」
Ilya 沒有推薦任何一本教科書。
他給了Carmack 一份論文清單，大約30 篇他認為最重要的論文。Ilya 說：「如果你真的學會這些，你就會了解現在這個AI 世界90% 在搞什麼。」
這份清單後來被稱為「Ilya 30u30」（Ilya's 30 papers under 30 hours），在AI 社群中廣為流傳。它...

顯示全部內容

第0 章本書執行環境設定
0.1 前言
0.2 為什麼選擇這個環境？
0.3 環境需求
0.4 安裝步驟
0.5 常見問題排解
0.6 本書程式碼結構
0.7 執行建議
0.8 開始學習

第1 章複雜動力學第一定律
1.1 為什麼這篇文章重要？
1.2 從一杯咖啡說起
1.3 熵與複雜度：兩個不同的概念
1.4 Kolmogorov 複雜度：用程式長度衡量複雜性
1.5 精密度：捕捉「有意義的」複雜性
1.6 細胞自動機：複雜性的實驗室
1.7 程式碼解析：PyTorch 實作
1.8 與深度學習的深層關聯
1.9 實驗：親手驗證
1.10 思考題
1.11 本章小結

第2 章循環神經網路...

顯示全部內容