DeepSeek核心技術揭秘 盧菁 戴志仕 9787121501241 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202505*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：DeepSeek核心技術揭秘
ISBN：9787121501241
出版社：電子工業
著編譯者：盧菁 戴志仕
頁數：154
所在地：中國大陸 *此為代購商品
書號：1741036
可大量預訂，請先連絡。

內容簡介

本書深入剖析DeepSeek的核心技術，介紹了提示詞的原理與高級應用，對DeepSeek的模型架構、訓練框架，以及MoE優化、MLA、思維鏈、GRPO算法、獎勵模型等技術細節進行了探討。此外，本書對DeepSeek給人工智能行業格局帶來的影響及DeepSeek的開源貢獻進行了分析，對大模型的發展趨勢進行了展望。 本書適合人工智能研究人員、開發人員及大模型相關技術愛好者閱讀，也為關注人工智能領域技術發展的從業人員提供了參考與借鑒。

作者簡介

盧菁，北京科技大學博士，北京大學博士后流動站出站。工作于騰訊、愛奇藝等知名互聯網公司，主要從事人工智能技術的應用和研發工作。主要研究方向為機器學習、自然語言處理、知識圖譜、推薦系統等，有豐富的理論和實踐經驗。

目錄

第1章 技驚四座的DeepSeek
1 1 石破天驚的產品發布
1 2 DeepSeek-V3和DeepSeek-R1可以做什麼
1 3 DeepSeek-V3的技術突破與創新
1 3 1 架構創新
1 3 2 訓練優化
1 3 3 推理與部署優化
1 3 4 效果的全面提升
1 4 DeepSeek-R系列的技術突破與創新
1 4 1 DeepSeek-R1-Zero的技術突破與創新
1 4 2 DeepSeek-R1的技術突破與創新
1 4 3 推理能力的提升
1 5 DeepSeek發布的模型家族
1 5 1 通用語言大模型
1 5 2 多模態大模型
1 5 3 代碼大模型
1 5 4 數學推理大模型
1 5 5 混合專家模型
1 5 6 MoE專用微調模型
1 5 7 基於LLaMA架構的模型
第2章 提示詞的原理與應用
2 1 推理模型與通用模型
2 2 提示工程
2 2 1 提示詞的類型
2 2 2 提示詞的基本元素
2 2 3 有效的提示詞
2 2 4 正確地表達需求
2 3 提示詞高級技巧：提示詞鏈
2 3 1 提示詞鏈的設計過程
2 3 2 提示詞鏈的應用案例
第3章 DeepSeek-V3技術剖析
3 1 DeepSeek的模型架構
3 1 1 MoE的起源與發展
3 1 2 DeepSeek-V3的MoE優化
3 1 3 DeepSeek-V3的MoE架構的優勢
3 1 4 DeepSeek-V3的MLA
3 1 5 DeepSeek-V3的MTP
3 2 DeepSeek的訓練框架
3 2 1 常見的并行策略
3 2 2 DeepSeek的并行策略
3 2 3 DeepSeek的FP8混合精度訓練
3 3 DeepSeek的推理階段優化
3 3 1 PD分離架構
3 3 2 DeepSeek的預填充階段優化
3 3 3 DeepSeek的解碼階段優化
3 4 DeepSeek的后訓練優化
3 5 小結
第4章 DeepSeek-R1技術剖析
4 1 預備知識
4 1 1 思維鏈
4 1 2 有監督微調
4 1 3 強化學習
4 2 DeepSeek對訓練推理模型的探索
4 3 DeepSeek-R1-Zero的訓練
4 3 1 GRPO算法
4 3 2 獎勵模型
4 4 DeepSeek-R1的訓練
4 4 1 階段一訓練
4 4 2 階段二訓練
4 4 3 推理能力的蒸餾
4 5 小結
第5章 DeepSeek的影響與成功啟示
5 1 DeepSeek對AI格局的影響
5 1 1 打破硬體依賴的迷思
5 1 2 對英偉達CUDA護城河的衝擊
5 1 3 對大模型技術路線的重新思考
5 1 4 投資風向的改變
5 1 5 對商業模式的衝擊
5 1 6 對創新文化的衝擊
5 1 7 對地緣政治的衝擊
5 2 DeepSeek的成功啟示
5 2 1 領導者的技術直覺
5 2 2 長期主義
5 2 3 極致的工程優化
5 2 4 對資源的高效利用
5 2 5 團隊的創新文化
第6章 DeepSeek開源技術剖析
6 1 DeepSeek的「開源周」
6 2 FlashMLA：減少顯存消耗
6 2 1 項目特點
6 2 2 應用場景
6 2 3 技術剖析
6 2 4 影響與展望
6 3 DeepEP：通信系統的優化
6 3 1 項目特點
6 3 2 應用場景
6 3 3 技術剖析
6 3 4 影響與展望
6 4 DeepGEMM：讓矩陣乘法起飛
6 4 1 項目特點
6 4 2 應用場景
6 4 3 技術剖析
6 4 4 影響與展望
6 5 DualPipe與EPLB：集群并行計算優化
6 5 1 項目特點
6 5 2 技術剖析
6 5 3 影響與展望
6 63 FS：為AI加速
6 6 1 項目特點
6 6 2 應用場景
6 6 3 技術剖析
6 6 4 影響與展望
第7章 大模型未來發展展望
7 1 MoE的未來
7 1 1 專家數量與規模的優化
7 1 2 MoE分散式訓練工具進一步完善
7 1 3 門控算法的改進
7 1 4 跨領域應用與融合
7 2 MLA的未來
7 3 大模型訓練方法的發展趨勢
7 3 1 三階段訓練法的普及
7 3 2 混合精度訓練的推廣
7 3 3 并行策略的優化
7 4 推理部署的發展趨勢
7 4 1 PD分離模式的普及
7 4 2 集群化推理的優化與推理加速技術研究
7 5 GPU硬體的未來發展
7 5 1 軟硬體協同升級
7 5 2 存儲與通信能力的優化
7 5 3 低精度計算的支持
7 5 4 異構計算的支持
7 6 從LLaMA4看推理模型的發展
7 6 1 LLaMA4簡介
7 6 2 LLaMA4的核心技術細節

詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。