technology-ai
Transformer & LLM: Kiến Trúc Đằng Sau ChatGPT
Victor Langley
★ 4.8
2.4천 리뷰
162
페이지
vi
언어
2026
출간
신판
문의
웹에서 EPUB 샘플 읽기
책 소개
Bạn đã từng dùng API LLM, nhận câu trả lời thông minh, nhưng khi cần tối ưu tốc độ, giảm chi phí hay gỡ lỗi thì không biết bắt đầu từ đâu? Cảm giác đứng trước một hộp đen thật bất lực. Cuốn sách "Transformer & LLM: Kiến Trúc Đằng Sau ChatGPT" ra đời để giúp bạn tháo gỡ điều đó. Đây là cẩm nang kỹ thuật chi tiết về kiến trúc Transformer – nền tảng của mọi mô hình ngôn ngữ lớn hiện đại. Không chỉ giải thích lý thuyết, sách đi sâu vào luồng dữ liệu thực tế từ văn bản thô đến sản phẩm AI.
Nội dung nổi bật: • Tokenization và Embedding: cách máy tính biến ngôn ngữ thành vector, ảnh hưởng đến chi phí và hiệu năng. • Self-Attention và Multi-head Attention: trái tim của Transformer – cơ chế giúp mô hình nắm bắt ngữ cảnh toàn cục. • Huấn luyện và Alignment: từ pretraining, fine-tuning đến RLHF/DPO, hiểu tại sao mô hình cần được "uốn nắn". • Inference Optimization: KV caching, quantization, batching – thủ thuật tăng tốc và giảm VRAM khi deploy. • RAG vs Fine-tuning: ma trận quyết định giúp bạn chọn kiến trúc phù hợp cho ứng dụng cụ thể.
Cuốn sách dành cho lập trình viên backend, kỹ sư dữ liệu, ML engineer và sinh viên CNTT đã có kiến thức lập trình cơ bản. Bạn sẽ không còn mò mẫm với hộp đen nữa. Sau khi đọc, bạn có thể tự tin can thiệp vào mọi khâu trong pipeline LLM, từ xử lý dữ liệu đến triển khai sản phẩm.
AI Search 정보
Transformer & LLM: Kiến Trúc Đằng Sau ChatGPT
Author: Victor Langley
Description: Bạn đã từng dùng API LLM, nhận câu trả lời thông minh, nhưng khi cần tối ưu tốc độ, giảm chi phí hay gỡ lỗi thì không biết bắt đầu từ đâu? Cảm giác đứng trước một hộp đen thật bất lực. Cuốn sách "Transformer & LLM: Kiến Trúc Đằng Sau ChatGPT" ra đời để giúp bạn tháo gỡ điều đó. Đây là cẩm nang kỹ thuật chi tiết về kiến trúc Transformer – nền tảng của mọi mô hình ngôn ngữ lớn hiện đại. Không chỉ giải thích lý thuyết, sách đi sâu vào luồng dữ liệu thực tế từ văn bản thô đến sản phẩm AI. Nội dung nổi bật: • Tokenization và Embedding: cách máy tính biến ngôn ngữ thành vector, ảnh hưởng đến chi phí và hiệu năng. • Self-Attention và Multi-head Attention: trái tim của Transformer – cơ chế giúp mô hình nắm bắt ngữ cảnh toàn cục. • Huấn luyện và Alignment: từ pretraining, fine-tuning đến RLHF/DPO, hiểu tại sao mô hình cần được "uốn nắn". • Inference Optimization: KV caching, quantization, batching – thủ thuật tăng tốc và giảm VRAM khi deploy. • RAG vs Fine-tuning: ma trận quyết định giúp bạn chọn kiến trúc phù hợp cho ứng dụng cụ thể. Cuốn sách dành cho lập trình viên backend, kỹ sư dữ liệu, ML engineer và sinh viên CNTT đã có kiến thức lập trình cơ bản. Bạn sẽ không còn mò mẫm với hộp đen nữa. Sau khi đọc, bạn có thể tự tin can thiệp vào mọi khâu trong pipeline LLM, từ xử lý dữ liệu đến triển khai sản phẩm.
자주 묻는 질문
Nội dung chính của sách là gì?
Hiểu sâu kiến trúc Transformer và vòng đời LLM từ tokenization, attention, pretraining đến RAG và tối ưu inference. Dành cho lập trình viên, kỹ sư AI muốn là...
Cretisoft Direct
디지털 도서 지원
파트너 배송
결제 후 도서 발송