Купить книгу Математика больших языковых моделей: доступное руководство по LLM, трансформерам, диффузии, нейронным сетям и генеративному искусственному интеллекту на русском [PDF, EPUB, FB2, MOBI]

Пересмотрено и обновлено в июле 2026 года.

Большинство объяснений искусственного интеллекта заканчиваются как раз перед тем, как математический аппарат становится интересным. Эта книга идет дальше.

Книги об искусственном интеллекте часто используют один из двух подходов. Они либо полностью избегают уравнений, либо представляют их так, как будто читатель уже владеет этим языком. Книга «Математика больших языковых моделей» придерживается другого подхода. Она сохраняет реальную математику, одновременно обучая читателя ее чтению и пониманию.

Каждая из шестнадцати глав книги начинается с истории, лежащей в основе важной идеи. Вы познакомитесь с наблюдением, экспериментом, результатом конкурса или неожиданной связью, которые заставили исследователей переосмыслить принципы работы машинного обучения. Математические выкладки представлены в контексте, в связи с проблемой, для решения которой они были созданы.

Затем уравнения разбираются шаг за шагом.

После каждого уравнения следуют два специальных пояснения, помогающие понять математические выкладки:

В разделе «Что это делает» простым языком объясняется назначение формулы.

В разделе «Чтение формулы» пошагово разбирается обозначение, объясняется, какой вклад вносит каждая часть, что меняется при её изменении и почему уравнение записано именно так.

В семнадцати главах книга исследует математические идеи, лежащие в основе:

• Нейронные сети и аппроксимация
• Оптимизация и обучение модели
• Обобщение и двойной спуск
• Внимание и трансформаторы
• Большие языковые модели
• Модели диффузии
• Нейронные операторы
• Количественная оценка неопределенности

Это не книга, которая убирает математику и заменяет её расплывчатыми аналогиями. Она сохраняет важные идеи, делая при этом обозначения достаточно доступными для понимания.

Не требуется наличие высшего образования, и вам не нужно быть уже знакомым со всеми разделами математики. Вам необходимы любопытство, терпение и готовность потратить время на изучение уравнений. Цель состоит не просто в том, чтобы показать вам формулы. Она заключается в том, чтобы помочь вам понять, что они говорят, почему они работают и как они связаны с системами искусственного интеллекта, преобразующими мир.

Если вы когда-либо хотели выйти за рамки поверхностных объяснений и понять математические идеи, которые делают возможным современный ИИ, эта книга написана для вас. Не просто смотрите, что может делать ИИ. Поймите, почему он работает.

Автор статьи — человек, посвятивший свою карьеру созданию прогностических моделей.
Джейсон Карпелес — специалист по анализу данных, маркетолог и новатор в области предиктивной аналитики с тридцатилетним профессиональным опытом в прогнозировании, прикладной экономике, статистическом моделировании и машинном обучении.

Однажды он достиг 5-го места в мировом рейтинге Kaggle, завоевал 14 медалей на соревнованиях и 50 раз входил в тройку лучших. Его профессиональная деятельность включает разработку нескольких уникальных для отрасли прогностических моделей, в том числе симулированного тестового рынка, созданного для прогнозирования продаж автомобилей. Он также разработал подход к моделированию на основе ИИ, который сократил необходимый размер выборки для исследований на две трети, одновременно повысив точность прогнозирования, а также системы маркетингового микса, прогнозирования и поддержки принятия решений, используемые для принятия важных бизнес-решений.

В 2026 году Карпелес занял первое место в конкурсе по гармонизации данных, финансируемом Национальным научным фондом и проводимом Университетом штата Пенсильвания. В конкурсе приняли участие более 5000 претендентов и 717 участников. Конкурс применил искусственный интеллект и науку о данных для решения сложной проблемы стандартизации научных метаданных в молекулярных и клеточных исследованиях.

Он имеет степень магистра экономики Нью-Йоркского университета, степень магистра делового администрирования Университета Дьюка и степень бакалавра экономики Калифорнийского университета в Дэвисе. Его подход к искусственному интеллекту сочетает в себе математическую строгость с тем, чего часто не хватает в технических книгах: многолетним опытом использования моделей для решения важных реальных задач.