【Part I 生成式 AI 的理論基礎與技術架構】Chapter 1 Transformer 與注意力機制的核心原理 1.1 Transformer 的基本結構 1.2 注意力機制的核心原理 1.3 Transformer 的擴充與最佳化 1.4 上下文視窗 1.5 訓練成本與運算效能的平衡 1.6 本章小結Chapter 2 DeepSeek-V3 核心架構及其訓練技術詳解 2.1 MoE 架構及其核心概念 2.2 FP8 混合精度訓練的優勢 2.3 DualPipe 演算法與通訊最佳化 2.4 大模型的分散式訓練 2.5 快取機制與Token 管理 2.6 DeepSeek 系列模型 2.7 本章小結Chapter 3 基於 DeepSeek-V3 模型的開發導論 3.1 大模型應用場景 3.2 DeepSeek-V3 的優勢與應用方向 3.3 Scaling Laws 研究與實踐 3.4 模型部署與整合 3.5 開發中的常見問題與解決方案 3.6 本章小結【Part II 生成式AI 的專業應用與 Prompt 設計】Chapter 4 DeepSeek-V3 大模型初體驗 4.1 對話生成與語意理解能力 4.2 數學推理能力 4.3 輔助程式設計能力 4.4 本章小結Chapter 5 DeepSeek 開放平台與 API 開發詳解 5.1 DeepSeek 開放平台簡介 5.2 DeepSeek API 的基礎操作與 API 介面詳解 5.3 API 效能最佳化與安全策略 5.4 本章小結Chapter 6 對話生成、程式碼補全與客製化模型開發 6.1 對話生成的基本原理與實作 6.2 程式碼補全的實作邏輯與最佳化 6.3 基於 DeepSeek 的客製化模型開發 6.4 本章小結Chapter 7 對話前綴續寫、FIM 與 JSON 輸出開發詳解 7.1 對話前綴續寫的技術原理與應用 7.2 FIM 生成模式解析 7.3 JSON 格式輸出的設計與生成邏輯 7.4 本章小結Chapter 8 函式回呼與上下文硬碟快取 8.1 函式回呼機制與應用場景 8.2 上下文硬碟快取的基本原理 8.3 函式回呼與快取機制的結合應用 8.4 本章小結Chapter 9 DeepSeek 提示庫：探索 Prompt 的更多可能 9.1 程式碼相關應用 9.2 內容生成與分類 9.3 內角色扮演 9.4 文學創作 9.5 文案與宣傳 9.6 模型提示詞與翻譯專家 9.7 本章小結【Part III 實戰與進階整合應用】Chapter 10 整合實戰 1：基於 LLM 的 Chat 類客戶端開發 10.1 Chat 類客戶端概述及其功能特點 10.2 DeepSeek API 的配置與整合 10.3 多模型支援與切換 10.4 本章小結Chapter 11 整合實戰 2：AI 助理開發 11.1 AI 助理：AI 時代的啟動器 11.2 DeepSeek API 在 AI 助理中的配置與應用 11.3 智慧助手功能的實作與最佳化 11.4 本章小結Chapter 12 整合實戰 3：以 VSCode 為基礎的輔助程式設計外掛開發 12.1 輔助程式設計外掛概述及其核心功能 12.2 在 VS Code 中整合 DeepSeekAP 12.3 程式碼自動補全與智慧建議的實作 12.4 使用輔助程式設計外掛提升開發效率 12.5 本章小結Appendix A DeepSeek-R1 推論大模型架構詳解 A.1 DeepSeek-R1 整體架構解析 A.2 DeepSeek-R1 推論機制與高效運算 A.3 DeepSeek-R1 API 初步開發指南 A.4 DeepSeek-R1 在推論任務中的應用 A.5 DeepSeek-R1 的局限性與未來最佳化方向 A.6 本章小結
邊緣AI－使用NVIDIA Jetson Orin Nano開發具備深度學習、電腦視覺與生成式AI功...more Microsoft Azure AI Services與Azure OpenAI從入門到人工智慧程式...more LLM核心攻略制霸生成式AI：ChatGPT、嵌入技術、微調與多模態AI最佳實踐
本書範例請線上下載，下載方式請見書內說明。其內容僅供合法持有本書的讀者使用，未經授權不得抄襲、轉載或任意散佈。