- nowość
- promocja
Zaawansowane techniki przetwarzania języka naturalnego. Od podstaw do modeli LLM i zastosowań biznesowych w Pythonie - ebook
Format ebooka:
EPUB
Format
EPUB
czytaj
na czytniku
czytaj
na tablecie
czytaj
na smartfonie
Jeden z najpopularniejszych formatów e-booków na świecie.
Niezwykle wygodny i przyjazny czytelnikom - w przeciwieństwie do formatu
PDF umożliwia skalowanie czcionki, dzięki czemu możliwe jest dopasowanie
jej wielkości do kroju i rozmiarów ekranu. Więcej informacji znajdziesz
w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu.
Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu.
Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
Format
PDF
czytaj
na laptopie
czytaj
na tablecie
Format e-booków, który możesz odczytywać na tablecie oraz
laptopie. Pliki PDF są odczytywane również przez czytniki i smartfony,
jednakze względu na komfort czytania i brak możliwości skalowania
czcionki, czytanie plików PDF na tych urządzeniach może być męczące dla
oczu. Więcej informacji znajdziesz w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu.
Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu.
Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
Format
MOBI
czytaj
na czytniku
czytaj
na tablecie
czytaj
na smartfonie
Jeden z najczęściej wybieranych formatów wśród czytelników
e-booków. Możesz go odczytać na czytniku Kindle oraz na smartfonach i
tabletach po zainstalowaniu specjalnej aplikacji. Więcej informacji
znajdziesz w dziale Pomoc.
Multiformat
E-booki w Virtualo.pl dostępne są w opcji multiformatu.
Oznacza to, że po dokonaniu zakupu, e-book pojawi się na Twoim koncie we wszystkich formatach dostępnych aktualnie dla danego tytułu.
Informacja o dostępności poszczególnych formatów znajduje się na karcie produktu.
Multiformat
E-booki sprzedawane w księgarni Virtualo.pl dostępne są w opcji
multiformatu - kupujesz treść, nie format. Po dodaniu e-booka do koszyka
i dokonaniu płatności, e-book pojawi się na Twoim koncie w Mojej
Bibliotece we wszystkich formatach dostępnych aktualnie dla danego
tytułu. Informacja o dostępności poszczególnych formatów znajduje się na
karcie produktu przy okładce. Uwaga: audiobooki nie są objęte opcją
multiformatu.
czytaj
na laptopie
Pliki PDF zabezpieczone watermarkiem możesz odczytać na dowolnym
laptopie po zainstalowaniu czytnika dokumentów PDF. Najpowszechniejszym
programem, który umożliwi odczytanie pliku PDF na laptopie, jest Adobe
Reader. W zależności od potrzeb, możesz zainstalować również inny
program - e-booki PDF pod względem sposobu odczytywania nie różnią
niczym od powszechnie stosowanych dokumentów PDF, które odczytujemy
każdego dnia.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
czytaj
na tablecie
Aby odczytywać e-booki na swoim tablecie musisz zainstalować specjalną
aplikację. W zależności od formatu e-booka oraz systemu operacyjnego,
który jest zainstalowany na Twoim urządzeniu może to być np. Bluefire
dla EPUBa lub aplikacja Kindle dla formatu MOBI.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
czytaj
na czytniku
Czytanie na e-czytniku z ekranem e-ink jest bardzo wygodne i nie męczy
wzroku. Pliki przystosowane do odczytywania na czytnikach to przede
wszystkim EPUB (ten format możesz odczytać m.in. na czytnikach
PocketBook) i MOBI (ten fromat możesz odczytać m.in. na czytnikach Kindle).
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
czytaj
na smartfonie
Aby odczytywać e-booki na swoim smartfonie musisz zainstalować specjalną
aplikację. W zależności od formatu e-booka oraz systemu operacyjnego,
który jest zainstalowany na Twoim urządzeniu może to być np. iBooks dla
EPUBa lub aplikacja Kindle dla formatu MOBI.
Informacje na temat zabezpieczenia e-booka znajdziesz na karcie produktu
w "Szczegółach na temat e-booka". Więcej informacji znajdziesz w dziale
Pomoc.
Zaawansowane techniki przetwarzania języka naturalnego. Od podstaw do modeli LLM i zastosowań biznesowych w Pythonie - ebook
Uczenie maszynowe i duże modele językowe rewolucjonizują biznes i nasze codzienne życie. Potencjał tych innowacji jest trudny do oszacowania: modele LLM stały się wiodącym trendem w tworzeniu aplikacji i analizie danych. Integrowanie zaawansowanych modeli z systemami produkcyjnymi bywa jednak często wymagającym, a nawet niewdzięcznym zadaniem.
Na szczęście dzięki tej książce poradzisz sobie z takimi wyzwaniami! Najpierw zapoznasz się z matematycznymi podstawami algorytmów ML i NLP. Zaznajomisz się również z ogólnymi technikami uczenia maszynowego i dowiesz się, w jakim stopniu dotyczą one dużych modeli językowych. Kolejnym zagadnieniem będzie przetwarzanie danych tekstowych, w tym metody przygotowywania tekstu do analizy, po czym przyswoisz zasady klasyfikowania tekstu. Ponadto poznasz zaawansowane aspekty teorii, projektowania i stosowania LLM, wreszcie ... przyszłe trendy w NLP. Aby zdobyć praktyczne umiejętności, będziesz ćwiczyć na przykładach rzeczywistych zagadnień biznesowych i rozwiązań NLP.
W książce:
- podstawy matematyczne uczenia maszynowego i NLP
- zaawansowane techniki przetwarzania wstępnego i analizy danych tekstowych
- projektowanie systemów ML i NLP w Pythonie
- przetwarzanie tekstu z użyciem metod uczenia głębokiego
- modele LLM i ich implementacja w różnych aplikacjach AI
- trendy w NLP i potencjał tej technologii
Odkryj przyszłe trendy w NLP widziane oczami ekspertów!
Spis treści
Słowo wstępne
O autorach
O recenzentach
Przedmowa
Rozdział 1. Nawigowanie po krajobrazie NLP - kompleksowe wprowadzenie
- Dla kogo jest ta książka?
- Co to jest przetwarzanie języka naturalnego?
- Historia i ewolucja przetwarzania języka naturalnego
- Wstępne strategie maszynowego przetwarzania języka naturalnego
- Zwycięska synergia - połączenie NLP i ML
- Wprowadzenie do matematyki i statystyki w NLP
- Przykład modelu językowego - ChatGPT
- Podsumowanie
- Pytania i odpowiedzi
Rozdział 2. Algebra liniowa, prawdopodobieństwo i statystyka w uczeniu maszynowym i NLP
- Wprowadzenie do algebry liniowej
- Podstawowe działania na macierzach i wektorach
- Definicje macierzy
- Wartości i wektory własne
- Metody numeryczne znajdowania wektorów własnych
- Rozkład macierzy na wartości własne
- Rozkład według wartości osobliwych
- Prawdopodobieństwo w uczeniu maszynowym
- Niezależność statystyczna
- Zmienne losowe dyskretne i ich rozkład
- Funkcja gęstości prawdopodobieństwa
- Estymacja bayesowska
- Podsumowanie
- Dalsza lektura
- Bibliografia
Rozdział 3. Wykorzystanie potencjału uczenia maszynowego w NLP
- Wymagania techniczne
- Eksploracja danych
- Wizualizacja danych
- Oczyszczanie danych
- Selekcja cech
- Inżynieria cech
- Typowe modele uczenia maszynowego
- Regresja liniowa
- Regresja logistyczna
- Drzewa decyzyjne
- Las losowy
- Maszyny wektorów nośnych (SVM)
- Sieci neuronowe i transformery
- Niedostateczne i nadmierne dopasowanie modelu
- Dzielenie danych
- Dostrajanie hiperparametrów
- Modele zespołowe
- Bagging
- Wzmacnianie
- Spiętrzanie
- Lasy losowe
- Wzmacnianie gradientowe
- Dane niezrównoważone
- SMOTE
- Algorytm NearMiss
- Uczenie wrażliwe na koszty
- Wzbogacanie danych
- Dane skorelowane
- Podsumowanie
- Bibliografia
Rozdział 4. Usprawnianie technik wstępnego przetwarzania tekstu pod kątem optymalnej wydajności NLP
- Wymagania techniczne
- Normalizacja tekstu
- Zamiana na małe litery
- Usuwanie znaków specjalnych i interpunkcyjnych
- Usuwanie słów stopu
- Sprawdzanie i poprawianie pisowni
- Lematyzacja
- Tematyzacja
- Rozpoznawanie nazwanych encji (NER)
- Oznaczanie części mowy
- Metody oparte na regułach
- Metody statystyczne
- Metody oparte na uczeniu głębokim
- Wyrażenia regularne
- Tokenizacja
- Potok wstępnego przetwarzania tekstu
- Kod NER i POS
- Podsumowanie
Rozdział 5. Klasyfikowanie tekstu - wykorzystanie tradycyjnych technik uczenia maszynowego
- Wymagania techniczne
- Typy klasyfikacji tekstu
- Uczenie nadzorowane
- Uczenie nienadzorowane
- Uczenie półnadzorowane
- Klasyfikacja zdań z wykorzystaniem reprezentacji wektorowej z kodowaniem z "gorącą jedynką"
- Klasyfikacja tekstu metodą TF-IDF
- Klasyfikacja tekstu z użyciem Word2Vec
- Word2Vec
- Ewaluacja modelu
- Nadmierne i niedostateczne dopasowanie
- Dostrajanie hiperparametrów
- Dodatkowe zagadnienia związane z praktyczną klasyfikacją tekstu
- Modelowanie tematyczne - praktyczne zastosowanie nienadzorowanej klasyfikacji tekstu
- LDA
- Projekt rzeczywistego systemu ML do klasyfikacji tekstu
- Implementowanie rozwiązania ML
- Przykładowy scenariusz - projekt systemu ML do klasyfikacji NLP w notatniku Jupytera
- Cel biznesowy
- Cel techniczny
- Potok
- Ustawienia
- Selekcja cech
- Generowanie wybranego modelu
- Podsumowanie
Rozdział 6. Nowe spojrzenie na klasyfikowanie tekstu - językowe modele uczenia głębokiego
- Wymagania techniczne
- Podstawy uczenia głębokiego
- Co to jest sieć neuronowa?
- Podstawowa struktura sieci neuronowej
- Terminy dotyczące sieci neuronowych
- Architektury sieci neuronowych
- Problemy z trenowaniem sieci neuronowych
- Modele językowe
- Uczenie półnadzorowane
- Uczenie nienadzorowane
- Uczenie transferowe
- Transformery
- Architektura transformerów
- Zastosowania transformerów
- Duże modele językowe
- Wyzwania związane z trenowaniem modeli językowych
- Konkretne architektury modeli językowych
- Problemy związane z używaniem GPT-3
- Przykładowy scenariusz - projekt systemu ML/DL do klasyfikacji NLP w notatniku Jupytera
- Cel biznesowy
- Cel techniczny
- Potok
- Podsumowanie
Rozdział 7. Duże modele językowe - teoria, projektowanie i implementacja
- Wymagania techniczne
- Co to są duże modele językowe i czym różnią się od zwykłych modeli językowych?
- Modele n-gramowe
- Ukryte modele Markova (HMM)
- Rekurencyjne sieci neuronowe (RNN)
- Co wyróżnia modele LLM?
- Powody tworzenia i używania modeli LLM
- Lepsze wyniki
- Szeroka generalizacja
- Nauka na nielicznych przykładach
- Rozumienie złożonych kontekstów
- Wielojęzyczność
- Generowanie tekstu podobnego do napisanego przez człowieka
- Problemy związane z tworzeniem modeli LLM
- Ilość danych
- Zasoby obliczeniowe
- Ryzyko uprzedzeń
- Stabilność modelu
- Interpretowalność i debugowanie
- Wpływ na środowisko
- Typy modeli LLM
- Modele transformerowe
- Przykładowe projekty nowoczesnych modeli LLM
- GPT-3.5 i ChatGPT
- Wstępny trening modelu językowego
- Trening modelu nagrody
- Dostrajanie modelu przez uczenie ze wzmacnianiem
- GPT-4
- LLaMA
- PaLM
- Narzędzia open source do RLHF
- Podsumowanie
- Źródła
Rozdział 8. Dostęp do dużych modeli językowych - zaawansowana konfiguracja i integracja z RAG
- Wymagania techniczne
- Konfigurowanie aplikacji LLM - oparte na API modele o zamkniętym kodzie źródłowym
- Wybór zdalnego dostawcy LLM
- Inżynieria podpowiedzi i inicjalizowanie GPT
- Eksperymentowanie z modelem GPT
- Konfigurowanie aplikacji LLM - lokalne modele o otwartym kodzie źródłowym
- Różnice między modelami o otwartym i zamkniętym kodzie źródłowym
- Repozytorium modeli Hugging Face
- Stosowanie modeli LLM z ekosystemu Hugging Face z użyciem Pythona
- Zaawansowane projektowanie systemów - RAG i LangChain
- Koncepcje projektowe LangChain
- Źródła danych
- Dane, które nie są wstępnie osadzone
- Łańcuchy
- Agenty
- Pamięć długoterminowa i odwoływanie się do poprzednich konwersacji
- Zapewnianie ciągłej istotności przez przyrostowe aktualizacje i zautomatyzowane monitorowanie
- Omówienie prostej konfiguracji LangChain w notatniku Jupytera
- Konfigurowanie potoku LangChain w Pythonie
- Modele LLM w chmurze
- AWS
- Microsoft Azure
- GCP
- Podsumowanie usług chmurowych
- Podsumowanie
Rozdział 9. Eksplorowanie granic - zaawansowane zastosowania i innowacje w dziedzinie LLM
- Wymagania techniczne
- Zwiększanie skuteczności modeli LLM z użyciem RAG i LangChain - funkcje zaawansowane
- Potok LangChain w Pythonie - zwiększanie skuteczności modeli LLM
- Zaawansowane użycie łańcuchów
- Zadawanie modelowi LLM pytania związanego z wiedzą ogólną
- Nadawanie struktury danym wyjściowym - nakazywanie modelowi LLM zwrócenia wyników w określonym formacie
- Prowadzenie płynnej konserwacji - wstawianie elementupamięciowego w celu użycia poprzednich interakcji jako kontekstu dlanastępnych podpowiedzi
- Automatyczne pobieranie informacji z różnych źródeł internetowych
- Wyszukiwanie treści w filmach na YouTubie i streszczanie ich
- Kompresja podpowiedzi i ograniczanie kosztów użycia API
- Kompresja podpowiedzi
- Eksperymentowanie z kompresją podpowiedzi i ocena kompromisów
- Wiele agentów - tworzenie zespołu współpracujących modeli LLM
- Potencjalne korzyści z jednoczesnej pracy wielu agentów
- Zespoły wielu agentów - podsumowanie
- Podsumowanie
Rozdział 10. Na fali - przeszłe, teraźniejsze i przyszłe trendy kształtowane przez modele LLM i sztuczną inteligencję
- Kluczowe trendy techniczne związane z modelami LLM i AI
- Moc obliczeniowa - siła napędowa modeli LLM
- Przyszłość mocy obliczeniowej w NLP
- Duże zbiory danych i ich niezatarty wpływ na NLP i modele LLM
- Cel - trening, testy porównawcze i wiedza dziedzinowa
- Wartość - niezawodność, różnorodność i efektywność
- Wpływ - demokratyzacja, biegłość i nowe obawy
- Ewolucja dużych modeli językowych - cel, wartość i wpływ
- Cel - po co dążyć do większych i lepszych modeli LLM?
- Wartość - przewaga modeli LLM
- Wpływ - zmiana krajobrazu
- Trendy kulturowe w NLP i modelach LLM
- NLP i modele LLM w świecie biznesu
- Sektory biznesu
- Obsługa klienta - wcześni użytkownicy
- Zarządzanie zmianami wywołanymi przez AI
- Trendy behawioralne wywoływane przez AI i model LLM - aspekt społeczny
- Rosnące znaczenie asystentów osobistych
- Łatwość komunikacji i przełamywanie barier językowych
- Etyczne implikacje delegowanych decyzji
- Etyka i zagrożenia - rosnące obawy związane z implementacją AI
- Podsumowanie
Rozdział 11. Okiem branży - opinie i prognozy ekspertów światowej klasy
- Prezentacja ekspertów
- Nitzan Mekel-Bobrov, PhD
- David Sontag, PhD
- John D. Halamka, M.D., M.S.
- Xavier Amatriain, PhD
- Melanie Garson, PhD
- Nasze pytania i odpowiedzi ekspertów
- Nitzan Mekel-Bobrov
- David Sontag
- John D. Halamka
- Xavier Amatriain
- Melanie Garson
- Podsumowanie
| Kategoria: | Programowanie |
| Zabezpieczenie: |
Watermark
|
| ISBN: | 978-83-289-2049-1 |
| Rozmiar pliku: | 6,6 MB |
BESTSELLERY
Wydawnictwo: Wydawnictwo Naukowe PWNFormat: EPUB MOBIZabezpieczenie: Watermark VirtualoKategoria: ProgramowanieKsiążka jest techniczno-popularyzacyjną pozycją traktującą o programowaniu oraz tematach pokrewnych i jest napisana z myślą o początkujących oraz średniozaawansowanych programistach.74,00 złEBOOK74,00 zł- 74,00 zł
Wydawnictwo: Wydawnictwo Naukowe PWNFormat: EPUB MOBIZabezpieczenie: Watermark VirtualoKategoria: ProgramowanieKsiążka przedstawia uczenie maszynowe w ujęciu praktycznym. Przeprowadzając opisane w niej eksperymenty data science poznamy zastosowanie reguł statystycznych i algorytmów uczenia maszynowego do rozwiązywania konkretnych problemów104,00 zł104,00 zł
Wydawnictwo: Wydawnictwo Naukowe PWNFormat: EPUB MOBIZabezpieczenie: Watermark VirtualoKategoria: ProgramowaniePublikacja całościowo opisuje wszystkie aspekty zawodu, odpowiedzialności testerskiej oraz wymagane kompetencje miękkie i twarde. Robi to w odwołaniu do realiów rynkowych i współczesnych trendów.74,00 złEBOOK74,00 zł
Wydawnictwo: Wydawnictwo Naukowe PWNFormat: EPUB MOBIZabezpieczenie: Watermark VirtualoKategoria: ProgramowanieW książce Nauk programowania z Minecraftem zrobicie to wszystko i jeszcze więcej dzięki sile Pythona, bezpłatnego języka używanego przez miliony zawodowców i początkujących programistów!74,00 zł74,00 zł
