![[{[item.product.name]}]]([{[item.product.photo.url]}] 125w)
- Kategorie
-
Tworzenie aplikacji z wykorzystaniem GPT-4 i ChatGPT. Buduj inteligentne chatboty, generatory treści i fascynujące projekty
Ta napisana jasnym językiem książka stanowi kompleksowy przewodnik dla programistów Pythona, którzy chcą budować aplikacje bazujące na dużych modelach językowych. Zaprezentowano w niej główne cechy i zasady działania modeli GPT-4 i ChatGPT. Znalazły się tu także instrukcje, jak krok po kroku tworzyć w Pythonie aplikacje korzystające z modeli do generowania treści, odpowiadania na pytania i streszczania tekstów. Istotną zaletą są przejrzyste przykłady i dołączone pliki z kodami, pomocne w tworzeniu konkretnych projektów. Dzięki tej książce z łatwością wykorzystasz moc dużych modeli językowych w swoich aplikacjach!
| Wysyłka w ciągu | 24 godziny |
| Kod kreskowy | |
| ISBN | 978-83-289-1044-7 |
| EAN | 9788328910447 |
Książka płynnie łączy teorię z praktyką, przystępnie opisuje zawiłości modeli GPT-4 i ChatGPT.
Lucas Soares, inżynier uczenia maszynowego w Biometrid
Ta napisana jasnym językiem książka stanowi kompleksowy przewodnik dla programistów Pythona, którzy chcą budować aplikacje bazujące na dużych modelach językowych. Zaprezentowano w niej główne cechy i zasady działania modeli GPT-4 i ChatGPT. Znalazły się tu także instrukcje, jak krok po kroku tworzyć w Pythonie aplikacje korzystające z modeli do generowania treści, odpowiadania na pytania i streszczania tekstów. Istotną zaletą są przejrzyste przykłady i dołączone pliki z kodami, pomocne w tworzeniu konkretnych projektów. Dzięki tej książce z łatwością wykorzystasz moc dużych modeli językowych w swoich aplikacjach!
Dowiesz się:
• jak działają modele ChatGPT i GPT-4 i do czego mogą być przydatne
• jak korzystać z modeli NLP w aplikacjach Pythona
• jak używać interfejsów API modeli do przetwarzania języka naturalnego
• jak stosować zaawansowane techniki, takie jak inżynieria monitu
• jak dostrajać modele do określonych zadań
• Autorzy wytyczają ścieżkę do tworzenia najnowocześniejszych aplikacji!
Wprowadzenie
1. Podstawy modeli GPT-4 i ChatGPT
Wprowadzenie do modeli LLM
Podstawy modeli językowych i NLP
Transformer i jego rola w modelu LLM
Demistyfikacja etapów tokenizacji i prognozowania w modelach GPT
Historia modeli w skrócie: od GPT-1 do GPT-4
GPT-1
GPT-2
GPT-3
Od GPT-3 do InstructGPT
GPT-3.5, Codex i ChatGPT
GPT-4
Zastosowania modelu LLM i przykładowe produkty
Be My Eyes
Morgan Stanley
Khan Academy
Duolingo
Yabble
Waymark
Inworld AI
Uważaj na halucynacje sztucznej inteligencji: ograniczenia i wnioski
Optymalizowanie modelu GPT za pomocą wtyczek i dostrajania
Podsumowanie
2. Szczegółowe informacje o interfejsach API modeli GPT-4 i ChatGPT
Podstawowe pojęcia
Dostępne interfejsy API modeli OpenAI
Testowanie modeli GPT za pomocą platformy OpenAI Playground
Pierwsze kroki: biblioteka OpenAI dla języka Python
Dostęp do modeli i klucz API
Przykład "Witaj, świecie!"
Korzystanie z modeli ChatGPT i GPT-4
Parametry wejściowe punktu końcowego ChatCompletion
Format odpowiedzi punktu końcowego ChatCompletion
Od uzupełniania tekstu do funkcji
Korzystanie z innych modeli uzupełniających tekst
Parametry wejściowe punktu końcowego Completion
Format odpowiedzi punktu końcowego Completion
Uwagi
Ceny i limity tokenów
Bezpieczeństwo i prywatność danych
Inne interfejsy API i ich funkcjonalności
Osadzenia
Modele moderujące
Whisper i DALL-E
Podsumowanie (i ściągawka)
3. Tworzenie aplikacji opartych na modelach GPT-4 i ChatGPT
Ogólne informacje o tworzeniu aplikacji
Zarządzanie kluczami API
Bezpieczeństwo i prywatność danych
Wzorce architektoniczne oprogramowania
Podatności na ataki aplikacji opartych na modelach LLM
Analiza danych wejściowych i wyjściowych
Nieuchronność wstrzykiwania monitów
Przykładowe projekty
Projekt 1. Generator wiadomości
Projekt 2. Streszczanie filmów z YouTube'a
Projekt 3. Ekspert od Minecrafta
Projekt 4. Sterowanie głosem
Podsumowanie
4. Zaawansowane techniki GPT-4 i ChatGPT
Inżynieria monitu
Tworzenie skutecznych monitów
Rozumowanie modelu krok po kroku
Implementacja uczenia na kilku przykładach
Zwiększanie skuteczności monitu
Dostrajanie modelu
Pierwsze kroki
Dostrajanie modelu za pomocą interfejsu OpenAI API
Zastosowania dostrojonych modeli
Generowanie syntetycznych danych i dostrajanie modelu na potrzeby e-mailowej kampanii marketingowej
Koszty dostrajania
Podsumowanie
5. Rozszerzanie modeli LLM za pomocą platformy LangChain i wtyczek
Platforma LangChain
Dynamiczne monity
Agenty i narzędzia
Pamięć
Osadzenia
Wtyczki GPT-4
Informacje ogólne
Interfejs API
Manifest
Specyfikacja OpenAPI
Opisy
Podsumowanie
Wnioski
Słownik kluczowych pojęć
Dr Olivier Caelen jest badaczem i wykładowcą uniwersyteckim. Zajmuje się uczeniem głębokim. Współautor publikacji w czasopismach naukowych i współtwórca sześciu patentów.
Marie-Alice Blete jest architektem oprogramowania i inżynierem danych. Szczególnie interesuje się problemami wydajności i opóźnień we wdrażanych systemach sztucznej inteligencji.
Polub nas na Facebooku
47.60
35.70
42.00
41.30
