Практические модели больших языков: понимание и генерация языка
- Время доставки: 7-10 дней
- Состояние товара: новый
- Доступное количество: 3
Просматривая «Практические модели больших языков: понимание и генерация языка» данный товар из каталога «Электроника, робототехника», вы можете получить дополнительную скидку 4%, если произведете 100% предоплату. Размер скидки вы можете увидеть сразу при оформлении заказа на сайте. Внимание!!! Скидка распространяется только при заказе через сайт.
Практические модели большого языка: понимание и генерация языка
Благодаря быстрому развитию глубокого обучения системы языкового искусственного интеллекта способны писать и понимать текст лучше, чем когда-либо прежде. Эта тенденция способствует появлению новых функций, продуктов и целых отраслей. С помощью этой книги разработчики Python изучат практические инструменты и концепции, необходимые им сегодня для использования этих возможностей.
- Автор: Джей Аламмар, Маартен Гроотендорст
- Издатель: OReilly Media
- Год публикации: 2024
- Обложка: мягкая обложка
- Количество страниц: 400
- Размеры: 23,5 x 17,7 x 2,2 см
- Язык: английский
- ISBN: 9781098150969
За последние несколько лет искусственный интеллект приобрел новые языковые возможности. Благодаря быстрому развитию глубокого обучения системы языкового искусственного интеллекта способны писать и понимать текст лучше, чем когда-либо прежде. Эта тенденция способствует появлению новых функций, продуктов и целых отраслей.
Благодаря этой книге разработчики Python изучат практические инструменты и концепции, необходимые им для использования этих возможностей сегодня. Вы узнаете, как использовать возможности предварительно обученных больших языковых моделей для таких случаев, как копирайтинг и составление резюме; создавать системы семантического поиска, выходящие за рамки сопоставления ключевых слов; создавать системы, которые классифицируют и кластеризуют текст, чтобы обеспечить масштабируемое понимание большого количества текстовых документов; и использовать существующие библиотеки и предварительно обученные модели для классификации, поиска и кластеризации текста. В этой книге также показано, как: создавать расширенные конвейеры LLM для кластеризации текстовых документов и исследовать темы, к которым они относятся; создавать семантические поисковые системы, выходящие за рамки поиска по ключевым словам, с помощью таких методов, как плотный поиск и переранжирование; изучать различные варианты использования, в которых эти модели могут принести пользу; понимать архитектуру базовых моделей Transformer, таких как BERT и GPTG. и контекстное обучение