Praxiseinstieg Large Language Models (eBook, ePUB) - 4 Angebote vergleichen

Der Schnellstart in die praktische Arbeit mit LLMs Das Buch bietet einen Überblick über zentrale Konzepte und Techniken von LLMs wie z.B. ChatGPT und zeigt das Potenzial von Open-Source- und Closed-Source-Modellen Es erläutert, wie Large Language Models funktionieren und wie sie für Aufgaben des Natural Language Processing (NLP) genutzt werden Auch für interessierte Nicht-Data-Scientists mit Python-Kenntnissen verständlich Themen z.B.: die ChatGPT-API, Prompt-Engineering, Chatbot-Personas, Cloud-Bereitstellung; deckt auch GPT-4 ab Large Language Models (LLMs) wie ChatGPT zeigen erstaunliche Fähigkeiten, aber ihre Größe und Komplexität halten viele Praktiker*innen davon ab, sie in ihren eigenen Anwendungen einzusetzen. In dieser Einführung räumt Data Scientist und KI-Unternehmer Sinan Ozdemir diese Hindernisse aus dem Weg und bietet einen Leitfaden für den Einsatz von LLMs zur Lösung praktischer NLP-Probleme. Sinan Ozdemir hat alles zusammengestellt, was Sie für den Einstieg brauchen, auch wenn Sie noch keine Erfahrung mit LLMs haben: Schritt-für-Schritt-Anleitungen, Best Practices, Fallstudien aus der Praxis, Übungsaufgaben und vieles mehr. Gleichzeitig bietet er Einblicke in die Funktionsweise von LLMs, um Sie bei der Auswahl von Modellen, Datenformaten und Parametern zu unterstützen. Auf der begleitenden Website des Autors finden Sie weitere Ressourcen, darunter Beispieldatensätze und Code für die Arbeit mit Open-Source- und Closed-Source-LLMs. Sinan Ozdemir, 24.0 x 16.5 cm, Buch.

Lieferung aus: Deutschland, Erscheint vor. 14.05.24.
Large Language Models (LLMs) wie ChatGPT sind enorm leistungsfähig, aber auch sehr komplex. Praktikerinnen und Praktiker stehen daher vor vielfältigen Herausforderungen, wenn sie LLMs in ihre eigenen Anwendungen integrieren wollen. In dieser Einführung räumt Data Scientist und KI-Unternehmer Sinan Ozdemir diese Hürden aus dem Weg und bietet einen Leitfaden für den Einsatz von LLMs zur Lösung praktischer Probleme des Natural Language Processings.Sinan Ozdemir hat alles zusammengestellt, was Sie für den Einstieg benötigen: Schritt-für-Schritt-Anleitungen, Best Practices, Fallstudien aus der Praxis, Übungen und vieles mehr. Er stellt die Funktionsweise von LLMs vor und unterstützt Sie so dabei, das für Ihre Anwendung passende Modell und geeignete Datenformate und Parameter auszuwählen. Dabei zeigt er das Potenzial sowohl von Closed-Source- als auch von Open-Source-LLMs wie GPT-3, GPT-4 und ChatGPT, BERT und T5, GPT-J und GPT-Neo, Cohere sowie BART.. Lernen Sie die Schlüsselkonzepte kennen: Transfer Learning, Feintuning, Attention, Embeddings, Tokenisierung und mehr. Nutzen Sie APIs und Python, um LLMs an Ihre Anforderungen anzupassen. Beherrschen Sie Prompt-Engineering-Techniken wie Ausgabe-Strukturierung, Gedankenketten und Few-Shot-Prompting. Passen Sie LLM-Embeddings an, um eine Empfehlungsengine mit eigenen Benutzerdaten neu zu erstellen. Konstruieren Sie multimodale Transformer-Architekturen mithilfe von Open-Source-LLMs. Optimieren Sie LLMs mit Reinforcement Learning from Human and AI Feedback (RLHF/RLAIF). Deployen Sie Prompts und benutzerdefinierte, feingetunte LLMs in die Cloud.

Lieferung aus: Österreich, Erscheint vor. 14.05.24.
Large Language Models (LLMs) wie ChatGPT sind enorm leistungsfähig, aber auch sehr komplex. Praktikerinnen und Praktiker stehen daher vor vielfältigen Herausforderungen, wenn sie LLMs in ihre eigenen Anwendungen integrieren wollen. In dieser Einführung räumt Data Scientist und KI-Unternehmer Sinan Ozdemir diese Hürden aus dem Weg und bietet einen Leitfaden für den Einsatz von LLMs zur Lösung praktischer Probleme des Natural Language Processings.Sinan Ozdemir hat alles zusammengestellt, was Sie für den Einstieg benötigen: Schritt-für-Schritt-Anleitungen, Best Practices, Fallstudien aus der Praxis, Übungen und vieles mehr. Er stellt die Funktionsweise von LLMs vor und unterstützt Sie so dabei, das für Ihre Anwendung passende Modell und geeignete Datenformate und Parameter auszuwählen. Dabei zeigt er das Potenzial sowohl von Closed-Source- als auch von Open-Source-LLMs wie GPT-3, GPT-4 und ChatGPT, BERT und T5, GPT-J und GPT-Neo, Cohere sowie BART.. Lernen Sie die Schlüsselkonzepte kennen: Transfer Learning, Feintuning, Attention, Embeddings, Tokenisierung und mehr. Nutzen Sie APIs und Python, um LLMs an Ihre Anforderungen anzupassen. Beherrschen Sie Prompt-Engineering-Techniken wie Ausgabe-Strukturierung, Gedankenketten und Few-Shot-Prompting. Passen Sie LLM-Embeddings an, um eine Empfehlungsengine mit eigenen Benutzerdaten neu zu erstellen. Konstruieren Sie multimodale Transformer-Architekturen mithilfe von Open-Source-LLMs. Optimieren Sie LLMs mit Reinforcement Learning from Human and AI Feedback (RLHF/RLAIF). Deployen Sie Prompts und benutzerdefinierte, feingetunte LLMs in die Cloud.

Lieferung aus: Deutschland, Versandkostenfrei, published soon.
*Praxiseinstieg Large Language Models* - Strategien und Best Practices für den Einsatz von ChatGPT und anderen LLMs / Taschenbuch für 39.9 € / Aus dem Bereich: Bücher, Ratgeber, Computer & Internet.