DeepSeek-R1大模型是一款具备强大自然语言处理能力的人工智能模型，能够高效完成文本生成、翻译、问答、代码编写等多种任务，适合企业级应用和开发者集成。本书系统性地解析了大模型的核心原理、关键技术以及DeepSeek的多个实际应用场景。
全书共分为12章，首先介绍大模型的基础知识与发展历程，从神经网络的起源到大规模预训练模型的演化，再到Transformer、BERT与GPT等模型架构的深入剖析，帮助读者理解大模型的技术基石。其次详细解析了DeepSeekR1及其Zero版本在强化学习与模型架构上的核心技术，包括混合专家模型、动态学习率调度、分布式训练及高效推理优化策略等。再次聚焦于模型训练与开发实践，介绍API调用、上下文拼接、多轮对话管理模型微调、知识蒸馏等关键技术，并结合DeepSeek实际案例展示其在数学推理、代码生成等领域的应用。最后着重探讨了大模型在商业化落地场景中的高级应用，如FIM补全、多轮对话、业务代码自动化生成以及基于云部署的智能推荐搜索系统等。
本书内容兼具理论深度与实战价值，同时附赠相关案例代码、各章思考题及教学视频等学习资源，适合大模型开发者、AI研究人员、工程师、数据科学家、企业技术决策者以及对人工智能技术感兴趣的高校师生阅读。无论是希望深入理解大模型技术的专业人士，还是寻求在实际业务中应用AI技术的从业者，都能从中获得有价值的信息和实践指导。
丁小晶：资深大模型AI应用技术专家与管理者，拥有超过15年的计算机及AI领域经验、5年团队管理经验的技术创新与项目管理复合型人才，精通大模型技术及多语言编程，致力于AI大模型的应用和创新。
毕业于中国科学院计算技术研究所，从事高性能计算技术研究。先后在三星中国、百度等世界知名企业工作，有多年旅日工作经历，屡获百度荣誉并持多项专利。目前作为小度教育业务技术负责人及大模型应用专家，研究基于大模型AI教育产品创新，引领小度教育成为行业先锋。
崔远
毕业于兰州大学，副教授，主攻人工智能（AI）、自然语言处理（NLP）和深度学习等计算机前沿技术，并致力于教学研究，承担多门专业核心课程的教学工作。曾获公派赴佐治亚理工学院（GT）和不列颠哥伦比亚大学（UBC）深造。主持市厅级课题3项，发表专业论文8篇及专著1部。多次荣获校级“优秀教师”称号及“教学优秀奖”，在学术和教育领域均取得显著成就。
l 系统全面，覆盖核心技术 —— 本书深入解析大模型的基础理论、关键技术和最新发展，涵盖Transformer架构、强化学习、自监督学习等核心概念，帮助读者全面理解大模型的工作原理。
l 实践导向，聚焦DeepSeek-R1 —— 结合DeepSeek-R1的实际架构与优化方法，详细讲解混合专家模型（MoE）、FP8/FP16混合精度训练等技术，并提供代码示例与实验数据，助力读者高效掌握大模型应用。
l 工程实现，覆盖训练与部署 —— 详细解析DeepSeek-R1的训练流程、优化策略与部署方法，包括分布式训练、动态学习率调度、缓存机制优化及云端部署方案，为开发者提供完整的大模型开发与应用指南。
