本书将理论知识与实践操作深度融合，不仅详细阐述了大模型的基础理论，如神经网络、深度神经网络、Transformer等，而且通过丰富的实践案例，如手写数字分类、机器翻译等，使读者能够在实践中深化对理论知识的理解。同时，本书也包含了多种类型的实例，如大模型新闻生成、大模型绘画、大模型对话生成等，这些实例贴近实际应用场景且具有代表性，有助于读者理解大模型在实际应用中的工作流程和技术细节。最后通过本书的案例分析与提供的解决方案，读者能够了解大模型在不同领域中的应用方式，作为未来的工作和学习的有益参考。 本书适合作为普通高等教育人工智能工程技术课程教材或参考书，亦可供人工智能爱好者自学参考。

高等院校教师

前言
基础知识篇
第1章导论
1.1大模型的概念
1.2大模型的发展历程
1.3大模型的应用
1.4小结
1.5课后习题
第2章深度神经网络
2.1神经网络基础
2.2深度神经网络
2.3Transformer基础
2.4小结
2.5课后习题
第3章大模型关键技术
3.1数据处理
3.2模型训练与推理
3.3提示工程
3.4知识库与检索
3.5小结
3.6课后习题
动手实践篇
第4章主流大模型与未来发展趋势
4.1引言
4.2科大讯飞星火大模型
4.3百度文心一言大模型
4.4DeepSeek大模型
4.5GPT系列大模型
4.6Sora大模型
4.7大模型未来方向探索
4.8小结
4.9课后习题
第5章大模型实例介绍与实现
5.1引言
5.2大模型生成新闻实例
5.3大模型绘画实例
5.4大模型对话生成实例
5.5大模型生成视频实例
5.6小结
第6章大模型综合运用实践
6.1引言
6.2智慧旅行家
6.3论文阅读助手
6.4聊天机器人
6.5AI程序员
6.6广告策划师
6.7数据分析师
6.8小结
参考文献