Transformers for Natural Language Processing and Computer Vision - Third Edition: Esplora l'intelligenza artificiale generativa e i modelli linguistici di grandi dimensioni con Hugging Face, C

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 51 voti.

Titolo originale:

Transformers for Natural Language Processing and Computer Vision - Third Edition: Explore Generative AI and Large Language Models with Hugging Face, C

Contenuto del libro:

La guida definitiva alle LLM, dalle architetture, al preallenamento e alla messa a punto, alla Retrieval Augmented Generation (RAG), all'IA generativa multimodale, ai rischi e alle implementazioni con ChatGPT Plus con GPT-4, Hugging Face e Vertex AI.

Caratteristiche principali:

- Confronto e confronto di oltre 20 modelli (tra cui GPT-4, BERT e Llama 2) e di più piattaforme e librerie per trovare la soluzione giusta per il vostro progetto.

- Applicazione di RAG con LLM utilizzando testi ed embeddings personalizzati

- Mitigare i rischi delle LLM, come le allucinazioni, utilizzando modelli di moderazione e basi di conoscenza.

- L'acquisto del libro stampato o Kindle include un eBook gratuito in formato PDF.

Descrizione del libro:

Transformers for Natural Language Processing and Computer Vision, Third Edition, esplora le architetture dei Large Language Model (LLM), le applicazioni e le varie piattaforme (Hugging Face, OpenAI e Google Vertex AI) utilizzate per l'elaborazione del linguaggio naturale e la visione artificiale. Il libro vi guida attraverso diverse architetture di trasformatori fino ai più recenti Foundation Models e all'IA generativa. Verranno eseguiti il pre-training e la messa a punto degli LLM e verranno analizzati diversi casi d'uso, dalla sintesi all'implementazione di sistemi di risposta alle domande con tecniche di ricerca basate sull'embedding. Imparerete anche i rischi delle LLM, dalle allucinazioni e dalla memorizzazione alla privacy, e come mitigare tali rischi utilizzando modelli di moderazione con regole e basi di conoscenza. Implementerete la Generazione Aumentata di Recupero con gli LLM per migliorare l'accuratezza dei vostri modelli e ottenere un maggiore controllo sui risultati degli LLM. Approfondite la conoscenza dei trasformatori di visione generativa e delle architetture di modelli multimodali e realizzate applicazioni, come i classificatori di immagini e video-testi. Andate oltre, combinando modelli e piattaforme diverse e imparando a replicare gli agenti di intelligenza artificiale. Questo libro fornisce una comprensione delle architetture dei trasformatori, del preaddestramento, della messa a punto, dei casi d'uso di LLM e delle migliori pratiche.

Cosa imparerete:

- Scomporre e comprendere le architetture dei modelli Original Transformer, BERT, GPT, T5, PaLM, ViT, CLIP e DALL-E.

- Messa a punto dei modelli BERT, GPT e PaLM 2

- Conoscere i diversi tokenizer e le migliori pratiche per la preelaborazione dei dati linguistici.

- Pre-training di un modello RoBERTa da zero

- Implementare la generazione aumentata del reperimento e le basi di regole per mitigare le allucinazioni

- Visualizzare l'attività dei modelli di trasformatori per ottenere informazioni più approfondite utilizzando BertViz, LIME e SHAP.

- Approfondimento dei trasformatori di visione con CLIP, DALL-E 2, DALL-E 3 e GPT-4V

Per chi è questo libro:

Questo libro è ideale per ingegneri NLP e CV, sviluppatori di software, data scientist, ingegneri dell'apprendimento automatico e leader tecnici che desiderano far progredire le loro competenze in LLM e IA generativa o esplorare le ultime tendenze del settore. Per comprendere appieno i casi d'uso e gli esempi di codice è necessaria la conoscenza di Python e dei concetti di apprendimento automatico. Tuttavia, grazie agli esempi che utilizzano le interfacce utente di LLM, il prompt engineering e la costruzione di modelli senza codice, questo libro è ideale per chiunque sia curioso della rivoluzione dell'IA.