想去FAANG上班 - 先了解 LLM 演算法、實作及部署面試題

出版社： 深智數位股份有限公司
作者： 蘇宏博、溫智凱
譯者： 0
規格： 17x23x2.7
裝訂： 平裝
頁數： 552
出版日： 08/19/2026
ISBN 13 : 9786267889619
內容簡介： https://youtu.be/ZzgeJEIpsF0

★大模型發展脈絡：N-Gram到Transformer到指令微調與對齊
☆職位地圖：演算法、開發、資料、推論部署、垂直領域微調
★代表性公司與模型堆疊：OpenAI、Anthropic、Mistral、Qwen、DeepSeek等
☆預訓練資料集體系：C4、Pile、BooksCorpus與中文資料來源
★文本清洗與重複率控制：去噪、去重、品質篩選、資料治理
☆Tokenization工程：BPE、Unigram、SentencePiece與長度分佈分析
★輸入管線設計：Prompt範本、Padding與Masking、Sliding Window、動態Batch
☆Transformer訓練核心：Self-Attention、多頭注意力、位置編碼、殘差與層正規化
★平行化與加速：資料平行、模型平行、管線平行、ZeRO、FlashAttention、混合精度
★推論與部署：本地與雲端、ONNX、TensorRT、Triton、KV Cache、量化與延遲分析
☆微調與對齊技術：全參數微調、Prompt與Prefix、LoRA與QLoRA、SFT與RLHF
★Agent與RAG與MCP A2A：多代理協作、向量庫整合、工程化、監控與安全、面試題拆解

【內容簡介】
本書共分十二章，第一章介紹大模型技術演進、職位分工與主流公司技術堆疊，第二章介紹預訓練資料集來源、清洗去重、對齊與斷詞及批次管線，第三章介紹Transformer結構、訓練目標、穩定性與平行化加速，第四章介紹模型部署路徑、推論延遲分析、量化與快取最佳化，第五章介紹全參數與參數高效微調、LoRA與QLoRA以及SFT與RLHF，第六章介紹主流架構演化、專家路由與MoE機制，第七章介紹經典論文重點與常見面試熱點的拆解方式，第八章介紹智慧體類型、對話狀態管理與多代理協作實作要點，第九章介紹RAG架構、向量資料庫整合與文件分塊策略，第十章介紹MCP協定與A2A通訊及多代理排程控制，第十一章介紹工程化落地包含環境建置、CI與CD、監控與安全治理，第十二章提供高頻面試題深度解析與答題策略，協助讀者把資料、訓練、部署、微調到系統整合串成可驗證的專案敘事。

目錄：
作者簡介：