Transformateurs pour le traitement du langage naturel et la vision par ordinateur - Troisième édition : Explorer l'IA générative et les grands modèles de langage avec Hugging Face, C

Note :   (4,1 sur 5)

Transformateurs pour le traitement du langage naturel et la vision par ordinateur - Troisième édition : Explorer l'IA générative et les grands modèles de langage avec Hugging Face, C (Denis Rothman)

Avis des lecteurs

Il n'y a actuellement aucun avis de lecteur. La note est basée sur 51 votes.

Titre original :

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

Contenu du livre :

Le guide définitif des LLM, depuis les architectures, le pré-entraînement et le réglage fin jusqu'à la génération augmentée par récupération (RAG), l'IA générative multimodale, les risques et les implémentations avec ChatGPT Plus avec GPT-4, Hugging Face, et Vertex AI.

Caractéristiques principales :

- Comparez plus de 20 modèles (dont GPT-4, BERT et Llama 2) et plusieurs plateformes et bibliothèques pour trouver la bonne solution pour votre projet.

- Appliquer RAG avec les LLM à l'aide de textes et d'embeddings personnalisés

- Atténuer les risques liés aux LLM, tels que les hallucinations, en utilisant des modèles de modération et des bases de connaissances.

- L'achat de la version imprimée ou du livre Kindle inclut un livre électronique gratuit au format PDF.

Description du livre :

Transformers for Natural Language Processing and Computer Vision (Transformateurs pour le traitement du langage naturel et la vision par ordinateur), troisième édition, explore les architectures de grands modèles de langage (LLM), les applications et les différentes plateformes (Hugging Face, OpenAI et Google Vertex AI) utilisées pour le traitement du langage naturel et la vision par ordinateur. Le livre vous guide à travers différentes architectures de transformateurs jusqu'aux derniers modèles de fondation et à l'IA générative. Vous allez pré-entraîner et affiner les LLM et travailler sur différents cas d'utilisation, du résumé à la mise en œuvre de systèmes de réponse aux questions avec des techniques de recherche basées sur l'intégration. Vous apprendrez également les risques des LLM, des hallucinations et de la mémorisation à la protection de la vie privée, et comment atténuer ces risques en utilisant des modèles de modération avec des bases de règles et de connaissances. Vous mettrez en œuvre la génération augmentée par récupération avec les LLM pour améliorer la précision de vos modèles et obtenir un meilleur contrôle sur les résultats des LLM. Plongez dans les transformateurs de vision générative et les architectures de modèles multimodaux et construisez des applications, telles que des classificateurs d'images et de vidéos en texte. Allez plus loin en combinant différents modèles et plates-formes et en vous familiarisant avec la réplication d'agents d'IA. Ce livre vous permet de comprendre les architectures de transformateurs, le pré-entraînement, le réglage fin, les cas d'utilisation de LLM et les meilleures pratiques.

Ce que vous apprendrez :

- Décomposer et comprendre les architectures des modèles Original Transformer, BERT, GPT, T5, PaLM, ViT, CLIP et DALL-E.

- Affiner les modèles BERT, GPT et PaLM 2

- Apprendre à connaître les différents tokenizers et les meilleures pratiques pour le prétraitement des données linguistiques

- Pré-entraîner un modèle RoBERTa à partir de zéro

- Mettre en œuvre des bases de génération et de règles augmentées pour la recherche afin d'atténuer les hallucinations

- Visualiser l'activité des modèles de transformation pour une meilleure compréhension à l'aide de BertViz, LIME et SHAP

- Approfondir les transformateurs de vision avec CLIP, DALL-E 2, DALL-E 3 et GPT-4V

À qui s'adresse ce livre ?

Ce livre est idéal pour les ingénieurs PNL et CV, les développeurs de logiciels, les scientifiques des données, les ingénieurs en apprentissage automatique et les leaders techniques qui cherchent à faire progresser leurs compétences en LLM et en IA générative ou à explorer les dernières tendances dans le domaine. La connaissance de Python et des concepts d'apprentissage automatique est nécessaire pour comprendre pleinement les cas d'utilisation et les exemples de code. Cependant, avec des exemples utilisant les interfaces utilisateur LLM, l'ingénierie prompte, la construction de modèles sans code, ce livre est idéal pour toute personne curieuse de la révolution de l'IA.

Autres informations sur le livre :

ISBN :9781805128724
Auteur :
Éditeur :
Langue :anglais
Reliure :Broché

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

L'intelligence artificielle par l'exemple - Deuxième édition - Artificial Intelligence By Example -...
Comprenez les principes fondamentaux et développez...
L'intelligence artificielle par l'exemple - Deuxième édition - Artificial Intelligence By Example - Second Edition
Hands-On Explainable AI (XAI) with Python : Interpréter, visualiser, expliquer et intégrer une IA...
Résoudre les modèles de boîte noire dans vos...
Hands-On Explainable AI (XAI) with Python : Interpréter, visualiser, expliquer et intégrer une IA fiable pour des applications d'IA justes, sécurisées et dignes de confiance. - Hands-On Explainable AI (XAI) with Python: Interpret, visualize, explain, and integrate reliable AI for fair, secure, and trustworthy AI apps
L'intelligence artificielle par l'exemple : Développez l'intelligence machine à partir de zéro en...
Une nouvelle deuxième édition, entièrement mise à...
L'intelligence artificielle par l'exemple : Développez l'intelligence machine à partir de zéro en utilisant des cas d'utilisation réels de l'intelligence artificielle. - Artificial Intelligence By Example: Develop machine intelligence from scratch using real artificial intelligence use cases
Transformateurs pour le traitement du langage naturel - Deuxième édition : Construire, entraîner et...
Les transformateurs GPT-3, ChatGPT, GPT-4 et...
Transformateurs pour le traitement du langage naturel - Deuxième édition : Construire, entraîner et affiner les architectures de réseaux neuronaux profonds pour le traitement du langage naturel avec Python et PyTo - Transformers for Natural Language Processing - Second Edition: Build, train, and fine-tune deep neural network architectures for NLP with Python, PyTo
Transformateurs pour le traitement du langage naturel et la vision par ordinateur - Troisième...
Le guide définitif des LLM, depuis les architectures,...
Transformateurs pour le traitement du langage naturel et la vision par ordinateur - Troisième édition : Explorer l'IA générative et les grands modèles de langage avec Hugging Face, C - Transformers for Natural Language Processing and Computer Vision - Third Edition: Explore Generative AI and Large Language Models with Hugging Face, C

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)