10 книг, чтобы наконец понять, как реально работают LLM (2026)

Большинство просто дергают API

Мало кто понимает, что происходит внутри

Если хочешь перейти из «пользователя» в «инженера» — вот база

1. Deep Learning

https://deeplearningbook.org

Библия нейросетей - backprop, архитектуры, вся база

2. Artificial Intelligence: A Modern Approach

https://aima.cs.berkeley.edu

Фундаментальный взгляд на AI как систему

3. Speech and Language Processing

https://web.stanford.edu/~jurafsky/slp3/

NLP, трансформеры и язык - максимально глубоко

4. Machine Learning: A Probabilistic Perspective

https://probml.github.io/pml-book/

Вероятности, статистика и основа ML

5. Understanding Deep Learning

https://udlbook.github.io/udlbook/

Современное объяснение DL с хорошей интуицией

6. Designing Machine Learning Systems

https://oreilly.com/library/view/designing-machine-learning/9781098107956/

Как довести модели до продакшена

7. Generative Deep Learning

https://github.com/3p5ilon/ML-books/blob/main/generative-deep-learning-teaching-machines-to-paint-write-compose-and-play.pdf

Практика генеративных моделей и трансформеров

8. Natural Language Processing with Transformers

https://dokumen.pub/natural-language-processing-with-transformers-revised-edition-1098136799-9781098136796-9781098103248.html

Как строить NLP-системы на трансформерах

9. Machine Learning Engineering

https://mlebook.com

Инженерия ML и продакшен

10. The Hundred-Page Machine Learning Book

https://themlbook.com

Суперконцентрированная база без лишнего

Телеграм: t.me/ainewsline

Источник: themlbook.com

Комментарии: