Olvasói vélemények
Jelenleg nincsenek olvasói vélemények. Az értékelés 51 olvasói szavazat alapján történt.
Eredeti címe:
Transformers for Natural Language Processing and Computer Vision - Third Edition: Explore Generative AI and Large Language Models with Hugging Face, C
Könyv tartalma:
Az LLM-ek végleges útmutatója az architektúráktól, az előképzéstől és a finomhangolástól a Retrieval Augmented Generation (RAG), a multimodális generatív AI, a kockázatok és a megvalósítások a ChatGPT Plus with GPT-4, Hugging Face és Vertex AI segítségével.
Főbb jellemzők:
- Több mint 20 modell (köztük a GPT-4, a BERT és a Llama 2) és több platform és könyvtár összehasonlítása és szembeállítása, hogy megtalálja a megfelelő megoldást a projektjéhez.
- Alkalmazza a RAG-ot LLM-ekkel, egyedi szövegek és beágyazások használatával.
- Mérsékelje az LLM kockázatokat, például a hallucinációkat, moderálási modellek és tudásbázisok használatával.
- A nyomtatott vagy Kindle könyv megvásárlása egy ingyenes PDF formátumú e-könyvet is tartalmaz.
Könyv leírása: A könyv leírása:
A Transformers for Natural Language Processing and Computer Vision (Transzformátorok a természetes nyelvfeldolgozáshoz és a számítógépes látáshoz) harmadik kiadása a természetes nyelvfeldolgozáshoz és a számítógépes látáshoz használt nagy nyelvi modell (LLM) architektúrákat, alkalmazásokat és különböző platformokat (Hugging Face, OpenAI és Google Vertex AI) vizsgálja. A könyv végigvezet a különböző transzformátor-architektúrákon a legújabb alapmodellekig és a generatív AI-ig. Előtanítja és finomhangolja az LLM-eket, és különböző felhasználási eseteket dolgoz fel, az összegzéstől a kérdésmegoldó rendszerek megvalósításáig, beágyazás-alapú keresési technikákkal. Megtanulja továbbá az LLM-ek kockázatait, a hallucinációtól és a memorizálástól az adatvédelemig, valamint azt, hogyan lehet ezeket a kockázatokat szabály- és tudásbázisokkal ellátott moderációs modellekkel mérsékelni. LLM-ekkel kiegészített keresési generációt fog megvalósítani, hogy javítsa a modellek pontosságát, és nagyobb kontrollt kapjon az LLM-kimenetek felett. Elmélyül a generatív látástranszformátorokban és a multimodális modellarchitektúrákban, és olyan alkalmazásokat épít, mint például a kép- és videó-szöveg osztályozók. Menjen tovább a különböző modellek és platformok kombinálásával, valamint a mesterséges intelligencia-ügynökök replikációjának megismerésével. Ez a könyv megismerteti Önt a transzformátor-architektúrákkal, az előképzéssel, a finomhangolással, az LLM felhasználási eseteivel és a legjobb gyakorlatokkal.
Mit fogsz tanulni:
- Az Original Transformer, BERT, GPT modellek, T5, PaLM, ViT, CLIP és DALL-E architektúrájának felbontása és megértése.
- A BERT, GPT és PaLM 2 modellek finomhangolása
- Ismerje meg a különböző tokenizátorokat és a nyelvi adatok előfeldolgozásának legjobb gyakorlatait.
- A RoBERTa-modell előzetes betanítása a nulláról
- Visszakereséssel kiegészített generálás és szabálybázisok megvalósítása a hallucinációk enyhítésére
- A transzformátor modell tevékenységének vizualizálása a mélyebb betekintés érdekében a BertViz, a LIME és a SHAP segítségével
- Mélyüljön el a látástranszformátorok mélyére a CLIP, a DALL-E 2, a DALL-E 3 és a GPT-4V segítségével.
Kiknek szól ez a könyv:
Ez a könyv ideális NLP- és CV-mérnököknek, szoftverfejlesztőknek, adattudósoknak, gépi tanulási mérnököknek és műszaki vezetőknek, akik szeretnék továbbfejleszteni LLM- és generatív AI-ismereteiket, vagy felfedezni a terület legújabb trendjeit. A Python és a gépi tanulás fogalmainak ismerete szükséges a felhasználási esetek és a kódpéldák teljes megértéséhez. Az LLM felhasználói felületeket, prompt engineeringet, kód nélküli modellépítést alkalmazó példákkal azonban ez a könyv nagyszerű mindenkinek, aki kíváncsi az AI forradalmára.
