Trasformatori per l'elaborazione del linguaggio naturale - Seconda edizione: Costruire, addestrare e mettere a punto architetture di reti neurali profonde per l'NLP con Python e PyTo

Recensioni dei lettori

Il libro “Transformers for Natural Language Processing” di Denis Rothman offre un'esplorazione completa dei modelli di trasformatori, con particolare attenzione all'elaborazione del linguaggio naturale. Si rivolge prevalentemente a lettori con qualche conoscenza pregressa di IA e deep learning, offrendo un equilibrio di approfondimenti teorici ed esempi pratici di codifica. Tuttavia, il testo riceve recensioni contrastanti: alcuni ne lodano la chiarezza e il valore didattico, mentre altri lo criticano per la sua superficialità o la sua tendenza all'errore.

⬤ Copertura dettagliata dell'architettura e delle applicazioni dei trasformatori.
⬤ Un buon mix di teoria e di esempi pratici di codifica, che rende il testo accessibile ai lettori.
⬤ Spiegazioni chiare e contenuti organizzati, ideali sia per i principianti che per i professionisti avanzati.
⬤ Offre opportunità di codifica pratica e un'ampia gamma di risorse, compresi i riferimenti.
⬤ Include informazioni sia su modelli all'avanguardia che su modelli più semplici e addestrabili localmente.

⬤ Presuppone una discreta quantità di conoscenze preliminari, il che lo rende inadatto ai principianti assoluti.
⬤ Alcuni lettori hanno trovato il contenuto superficiale o poco approfondito, soprattutto per quanto riguarda l'accuratezza tecnica.
⬤ Problemi con le dimensioni ridotte dei caratteri che rendono difficile la lettura.
⬤ Diverse lamentele sullo stile di scrittura e sulla chiarezza di alcune spiegazioni.
⬤ Alcune recensioni negative suggeriscono che il libro è troppo incentrato sull'hype piuttosto che sulla sostanza tecnica.

(basato su 30 recensioni dei lettori)

Titolo originale:

Transformers for Natural Language Processing - Second Edition: Build, train, and fine-tune deep neural network architectures for NLP with Python, PyTo

Contenuto del libro:

I trasformatori GPT-3, ChatGPT, GPT-4 e Hugging Face di OpenAI per i compiti linguistici in un unico libro. Un assaggio del futuro dei trasformatori, compresi i compiti di computer vision e la scrittura di codice e l'assistenza.

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

Caratteristiche principali:

⬤ Pretraining di un modello basato su BERT da zero utilizzando Hugging Face.

⬤ Finire i potenti modelli di trasformazione, compreso il GPT-3 di OpenAI, per apprendere la logica dei dati.

⬤ Eseguire l'analisi delle cause profonde di problemi di PNL difficili da risolvere.

Descrizione del libro:

I trasformatori stanno... beh... trasformando il mondo dell'IA. Esistono molte piattaforme e modelli, ma quali sono i più adatti alle vostre esigenze?

Transformers for Natural Language Processing, 2a edizione, vi guida nel mondo dei trasformatori, evidenziando i punti di forza dei diversi modelli e piattaforme e insegnandovi le abilità di problem solving necessarie per affrontare le debolezze dei modelli.

Utilizzerete Hugging Face per preaddestrare un modello RoBERTa da zero, dalla costruzione del set di dati alla definizione del collettore di dati fino all'addestramento del modello.

Se desiderate perfezionare un modello pre-addestrato, compreso GPT-3, Transformers for Natural Language Processing, 2a edizione, vi mostra come farlo con guide passo-passo.

Il libro analizza traduzioni automatiche, speech-to-text, text-to-speech, risposte a domande e molti altri compiti di NLP. Fornisce tecniche per risolvere problemi linguistici difficili e può persino aiutare a risolvere l'ansia da fake news (leggere il capitolo 13 per maggiori dettagli).

Vedrete come piattaforme all'avanguardia, come OpenAI, hanno portato i trasformatori al di là del linguaggio, in compiti di computer vision e creazione di codice utilizzando Codex.

Alla fine di questo libro, saprete come funzionano i trasformatori e come implementarli e risolvere i problemi come un detective dell'intelligenza artificiale!

Che cosa imparerete:

⬤ Scoprire come ViT e CLIP etichettano le immagini (anche quelle sfocate!) e creare immagini da una frase usando DALL-E.

⬤ Scoprire nuove tecniche per indagare su problemi linguistici complessi.

⬤ Confrontare i risultati di GPT-3 con quelli di T5, GPT-2 e dei trasformatori basati su BERT.

⬤ Eseguire l'analisi del sentiment, la sintesi del testo, l'analisi del parlato casuale, le traduzioni automatiche e altro ancora utilizzando TensorFlow, PyTorch e GPT-3.

⬤ Misurare la produttività dei principali trasformatori per definirne la portata, il potenziale e i limiti in produzione.

A chi è rivolto questo libro:

Se volete conoscere e applicare i trasformatori ai vostri dati in linguaggio naturale (e alle immagini), questo libro fa per voi.

Per trarre il massimo beneficio da questo libro è necessaria una buona conoscenza di Python e del deep learning e una conoscenza di base della PNL. Molte piattaforme trattate in questo libro forniscono interfacce utente interattive, che consentono ai lettori con un interesse generale per la PNL e l'IA di seguire diversi capitoli. E non preoccupatevi se vi bloccate o avete domande: questo libro vi dà accesso diretto alla nostra comunità AI/ML e all'autore, Denis Rothman. Sarà quindi presente per guidarvi nel vostro viaggio da trasformatori!