Recenzie čitateľov
Zhrnutie:Sinanova kniha „Quick Start Guide to Large Language Models“ je vysoko cenená pre svoju schopnosť zjednodušiť zložité témy v oblasti umelej inteligencie a LLM pre čitateľov všetkých úrovní. Ponúka praktické rady, komplexné poznatky a jasné príklady, vďaka čomu je obzvlášť užitočná pre programátorov a tých, ktorí v tejto oblasti začínajú. Niektorí čitatelia však našli problémy s kvalitou tlače knihy a úplnosťou kódovej základne, čo viedlo k zmiešaným ohlasom na jej celkovú užitočnosť.
Výhody:⬤ Ponúka jasné, prístupné vysvetlenia zložitých konceptov LLM
⬤ obsahuje praktické príklady a aplikácie
⬤ slúži ako cenný zdroj informácií pre začiatočníkov aj skúsených vývojárov
⬤ dobre štruktúrovaná s užitočnými sprievodcami kódovaním
⬤ umožňuje netechnickým čitateľom zapojiť sa do diskusií o umelej inteligencii.
Nevýhody:⬤ Slabá kvalita tlače ovplyvňujúca čitateľnosť
⬤ neúplná alebo neaktuálna kódová základňa
⬤ niektorí čitatelia mali pocit, že obsah je povrchný alebo nesúvislý
⬤ diagramom a infografikám chýba kvalita a prehľadnosť
⬤ niekoľko recenzií naznačilo, že nemusí poskytovať dostatočnú hĺbku pre pokročilých používateľov.
(na základe 36 čitateľských recenzií)
Pôvodný názov:
Quick Start Guide to Large Language Models: Strategies and Best Practices for Using Chatgpt and Other Llms
Obsah knihy:
Praktický sprievodca krok za krokom na používanie LLM v projektoch a produktoch
Veľké jazykové modely (LLM), ako je ChatGPT, vykazujú dych vyrážajúce schopnosti, ale ich veľkosť a zložitosť odrádzajú mnohých odborníkov z praxe od ich použitia. V knihe Quick Start Guide to Large Language Models priekopník v oblasti dát a podnikateľ v oblasti umelej inteligencie Sinan Ozdemir odstraňuje tieto prekážky a poskytuje návod na prácu s LLM, ich integráciu a nasadenie pri riešení praktických problémov.
Ozdemir spája všetko, čo potrebujete, aby ste mohli začať, aj keď nemáte priame skúsenosti s LLM: návody krok za krokom, osvedčené postupy, prípadové štúdie z reálneho sveta, praktické cvičenia a ďalšie. Popritom sa delí o poznatky o vnútornom fungovaní LLM, ktoré vám pomôžu optimalizovať výber modelu, formáty údajov, parametre a výkon. Na sprievodnej webovej stránke nájdete ešte viac zdrojov vrátane vzorových súborov údajov a kódu na prácu s otvorenými a uzavretými LLM, ako sú napríklad LLM od spoločností OpenAI (GPT-4 a ChatGPT), Google (BERT, T5 a Bard), EleutherAI (GPT-J a GPT-Neo), Cohere (rodina Command) a Meta (BART a rodina LLaMA).
⬤ Zoznámte sa s kľúčovými pojmami: predtréning, transferové učenie, jemné doladenie, pozornosť, vkladanie, tokenizácia a ďalšie.
⬤ Používajte rozhrania API a Python na doladenie a prispôsobenie LLM vašim požiadavkám.
⬤ Vybudujte kompletný neurónový/sémantický systém vyhľadávania informácií a pripojte ho ku konverzačným LLM na generovanie rozšíreného vyhľadávania.
⬤ Ovládnite pokročilé techniky tvorby výziev, ako je štruktúrovanie výstupu, reťazec myšlienok a sémantické výzvy s niekoľkými zábermi.
⬤ Vykonajte vstavané LLM na vytvorenie kompletného odporúčacieho systému od začiatku s údajmi používateľa.
⬤ Konštruovať a dolaďovať multimodálne architektúry transformátorov s využitím otvorených zdrojov LLM.
⬤ Zosúladiť LLM pomocou posilňovacieho učenia z ľudskej a umelej spätnej väzby (RLHF/RLAIF).
⬤ Umiestniť podnety a vlastné vyladené LLM do cloudu s ohľadom na škálovateľnosť a vyhodnocovacie pipeline.
"Vďaka vyváženiu potenciálu modelov s otvoreným aj uzavretým zdrojovým kódom predstavuje Rýchly sprievodca veľkými jazykovými modelmi komplexného sprievodcu na pochopenie a používanie LLM, ktorý preklenuje priepasť medzi teoretickými koncepciami a praktickým použitím.".
--Giada Pistilliová, hlavná etička spoločnosti HuggingFace.
"Osviežujúci a inšpirujúci zdroj. Je nabitý praktickými návodmi a jasnými vysvetleniami, vďaka ktorým sa stanete múdrejšími v tejto neuveriteľnej novej oblasti."
--Pete Huang, autor knihy The Neuron
Zaregistrujte si knihu, aby ste získali pohodlný prístup k stiahnutiam, aktualizáciám a/alebo opravám, keď budú k dispozícii. Podrobnosti nájdete vo vnútri knihy.
