Olvasói vélemények
Összegzés:Denis Rothman „Transformers for Natural Language Processing” című könyve a transzformátor modellek átfogó vizsgálatát kínálja, különös tekintettel a természetes nyelvi feldolgozásra. A könyv elsősorban a mesterséges intelligencia és a mélytanulás terén némi előismerettel rendelkező olvasóknak szól, és egyensúlyt teremt az elméleti meglátások és a gyakorlati kódolási példák között. A szöveg azonban vegyes kritikákat kap, egyesek dicsérik a szöveg érthetőségét és oktatóértékét, míg mások felszínesség vagy hibahatár miatt kritizálják.
Előnyök:⬤ A transzformátorok architektúrájának és alkalmazásainak részletes lefedettsége.
⬤ Az elmélet és a gyakorlati kódolási példák jó keveréke, ami az olvasók számára érthetővé teszi a szöveget.
⬤ Világos magyarázatok és szervezett tartalom, ideális mind a kezdők, mind a haladók számára.
⬤ Gyakorlati kódolási lehetőségeket és rengeteg forrást kínál, beleértve a hivatkozásokat is.
⬤ A legmodernebb modellekről és egyszerűbb, helyben betanítható modellekről egyaránt tartalmaz információkat.
Hátrányok:⬤ Meglehetősen sok előzetes tudást feltételez, így nem alkalmas teljesen kezdők számára.
⬤ Néhány olvasó úgy találta, hogy a tartalom felszínes vagy nem elég mély, különösen a technikai pontosság tekintetében.
⬤ A kis betűméretekkel kapcsolatos problémák megnehezítik az olvasást.
⬤ Számos panasz érkezett az írásmóddal és bizonyos magyarázatok érthetőségével kapcsolatban.
⬤ Néhány negatív kritika szerint a könyv túlságosan a reklámra koncentrál, nem pedig a technikai tartalomra.
(30 olvasói vélemény alapján)
Eredeti címe:
Transformers for Natural Language Processing - Second Edition: Build, train, and fine-tune deep neural network architectures for NLP with Python, PyTo
Könyv tartalma:
Az OpenAI GPT-3, ChatGPT, GPT-4 és Hugging Face transzformátorok nyelvi feladatokhoz egy könyvben. Kapjon ízelítőt a transzformátorok jövőjéből, beleértve a számítógépes látási feladatokat és a kódírást, valamint a segítségnyújtást.
A nyomtatott vagy Kindle könyv megvásárlása tartalmaz egy ingyenes e-könyvet PDF formátumban
Főbb jellemzők:
⬤ Tréningeljen egy BERT-alapú modellt a semmiből az Hugging Face segítségével.
⬤ Finomhangolja a nagy teljesítményű transzformátor modelleket, beleértve az OpenAI GPT-3-at, hogy megtanulja az adatok logikáját.
⬤ Végezzen gyökérelemzést a nehéz NLP problémákon.
Könyv leírása:
A transzformátorok... nos... átalakítják a mesterséges intelligencia világát. Számos platform és modell létezik, de vajon melyik felel meg legjobban az Ön igényeinek?
A Transformers for Natural Language Processing, 2. kiadás elkalauzol a transzformátorok világában, kiemelve a különböző modellek és platformok erősségeit, miközben megtanítja a modell gyengeségeinek kezeléséhez szükséges problémamegoldó készségeket.
Az Hugging Face segítségével a semmiből előzetesen betaníthat egy RoBERTa-modellt, az adathalmaz felépítésétől az adatkollátor meghatározásán át a modell betanításáig.
Ha finomhangolni szeretne egy előtanított modellt, beleértve a GPT-3-at is, akkor a Transformers for Natural Language Processing, 2. kiadás lépésről lépésre bemutatja, hogyan.
A könyv vizsgálja a gépi fordításokat, a beszédből szöveggé alakítást, a szövegből beszéddé alakítást, a kérdések megválaszolását és még sok más NLP-feladatot. Technikákat kínál a nehéz nyelvi problémák megoldására, és még az álhírektől való szorongásban is segíthet (további részletekért olvassa el a 13. fejezetet).
Látni fogja, hogy az olyan élvonalbeli platformok, mint az OpenAI, hogyan vitték a transzformátorokat a nyelven túl a számítógépes látás feladataiba és a kódalkotásba a Codex segítségével.
A könyv végére tudni fogja, hogyan működnek a transzformátorok, hogyan kell őket implementálni és megoldani a problémákat, mint egy mesterséges intelligencia detektív!
Mit fogsz tanulni:
⬤ Tudja meg, hogyan címkézi a ViT és a CLIP a képeket (beleértve a homályos képeket is! ), és hogyan hoz létre képeket egy mondatból a DALL-E segítségével.
⬤ Fedezz fel új technikákat az összetett nyelvi problémák vizsgálatára.
⬤ Hasonlítsa össze és állítsa szembe a GPT-3 eredményeit a T5, a GPT-2 és a BERT-alapú transzformátorokkal.
⬤ Végezzen hangulatelemzést, szövegösszefoglalást, alkalmi beszédelemzést, gépi fordításokat és egyebeket TensorFlow, PyTorch és GPT-3 segítségével.
⬤ Mérje a kulcsfontosságú transzformátorok termelékenységét, hogy meghatározza a termelésben való felhasználásuk körét, lehetőségeit és korlátait.
Kinek szól ez a könyv:
Ha szeretné megismerni és alkalmazni a transzformátorokat a természetes nyelvi (és képi) adataira, ez a könyv Önnek szól.
A Python és a mélytanulás, valamint az NLP alapszintű ismereteire lesz szükséged ahhoz, hogy a legtöbbet profitálj ebből a könyvből. A könyvben tárgyalt számos platform interaktív felhasználói felületet biztosít, amely lehetővé teszi, hogy az NLP és a mesterséges intelligencia iránt általánosan érdeklődő olvasók több fejezetet is végigkövethessenek. És ne aggódjon, ha elakad vagy kérdései vannak; ez a könyv közvetlen hozzáférést biztosít az AI/ML közösségünkhöz és a szerzőhöz, Denis Rothmanhoz. Így ő ott lesz, hogy eligazítson téged a transzformátorok útján!
