"《从零开始写大模型：从神经网络到Transformer》结合丰富的图示和程序示例，全面、系统地介绍大模型的基本原理，并通过一个极简大语言模型构建案例带领读者上手实践。本书学习门槛极低，即便零基础的读者，也能在本书的引领下比较轻松地掌握大模型的基本知识体系，并理解大模型的基本原理，从而为日后进一步学习打好基础。《从零开始写大模型：从神经网络到Transformer》提供配套教学视频、源代码和教学PPT等超值配套资源，以方便读者高效、直观地学习。 《从零开始写大模型：从神经网络到Transformer》共20章，分为5篇。第1篇神经网络快速入门，介绍神经网络的基础和结构；第2篇Transformer架构基础，介绍几种经典的编解码架构、Tokenization基础知识、Transformer架构涉及的数学概念；第3篇Transformer模型剖析，首先介绍大语言模型的概念和参数规模，然后介绍Transformer的词汇输入模块、注意力机制模块和输出模块，最后介绍基于Transformer架构的模型训练过程、推理过程、优化方法和超参数；第4篇Transformer进阶，首先介绍如何使用Python实现一个简单的Transformer架构，然后介绍BERT和GPT两种经典大语言模型，最后给出国内一些大公司的高频面试题；第5篇GPT模型完全体验之MiniMind，详细介绍一个开源极简大语言模型MiniMind的项目情况、代码结构，以及安装、训练、微调与推理过程等，带领读者体验大语言模型的完整构建过程。 《从零开始写大模型：从神经网络到Transformer》内容丰富，通俗易懂，案例典型，讲解深入浅出，特别适合零基础学习大模型的读者阅读，也适合IT领域或其他领域向AI转型但缺乏基础的程序员、工程师等相关从业人员阅读，还适合高等院校和培训机构作为大模型的入门教材或教学参考书。"