کتاب کار با مدلهای زبانی بزرگ
هوش مصنوعی در چند سال اخیر به توانمندیهای زبانی خیرهکنندهای دست یافته است. سیستمهای هوش مصنوعی زبانی که با پیشرفتهای سریع در یادگیری عمیق (Deep Learning) هدایت میشوند، اکنون بهتر از هر زمان دیگری قادر به نوشتن و درک متن هستند. این روند باعث ایجاد ویژگیها، محصولات و صنایع کاملاً جدیدی شده است. خوانندگان از طریق ماهیت بصری و آموزشی این کتاب، ابزارها و مفاهیم کاربردی مورد نیاز برای استفاده از این قابلیتها را فرا خواهند گرفت. شما یاد خواهید گرفت که چگونه از مدلهای زبانی بزرگ پیشآموزشدیده برای مواردی مانند کپیرایتینگ و خلاصهسازی استفاده کنید؛ سیستمهای جستجوی معنایی (Semantic Search) بسازید که فراتر از تطبیق کلمات کلیدی عمل میکنند؛ و از کتابخانههای موجود و مدلهای پیشآموزشدیده برای طبقهبندی متن، جستجو و خوشهبندی استفاده کنید. این کتاب همچنین به شما کمک میکند تا: معماری مدلهای زبانی ترنسفورمر (Transformer) را که در تولید و نمایش متن عالی هستند، درک کنید. خطلولههای پیشرفته LLM را برای خوشهبندی اسناد متنی و کاوش در موضوعات آنها بسازید. موتورهای جستجوی معنایی بسازید که با استفاده از روشهایی مانند بازیابی متراکم (Dense Retrieval) و رتبهبندی مجدد (Rerankers)، فراتر از جستجوی کلمات کلیدی بروند. چگونگی استفاده از مدلهای مولد (Generative Models) را، از مهندسی پرامپت (Prompt Engineering) گرفته تا تولید تقویتشده با بازیابی (RAG)، بررسی کنید. درک عمیقتری از نحوه آموزش LLMها و بهینهسازی آنها برای کاربردهای خاص با استفاده از تنظیم دقیق (Fine-tuning) مدل مولد، تنظیم دقیق مقابلهای و یادگیری در متن (In-context Learning) به دست آورید.
اشتراکی
مقدمه کتاب
پیش از شروع، نگاهی کوتاه به آنچه در این کتاب خواهید آموخت
در مقدمه کتاب سوالات کلی که برات به وجود اومده رو خیلی سریع با یک نگاه رفعشون کن تا دیدت بازتر شه و انتخابت آگاهانه تر باشه و میشه گفت سوالاتی مانند چرا این کتاب نوشته شده و چه مشکلی را حل میکند؟ چه کسانی میتوانند از کتاب استفاده کنند؟ خلاصه فصلها و اهداف یادگیری در هر بخش؟ تغییرات مهم و بهبودهای جدید اضافه شده در نسخه های مختلف و... باشه که ما همه این ها رو برات رفع میکنیم
مخاطب هدف
متخصصان داده که به دنبال ادغام مدلهای زبانی بزرگ در خطلولههای داده فعلی خود هستند، مثالهای عملی این کتاب را بسیار ارزشمند خواهند یافت. این کتاب چارچوب لازم برای انتقال از یادگیری ماشین سنتی به هوش مصنوعی مولد مدرن را فراهم میکند.
توسعهدهندگانی که میخواهند ویژگیهای مبتنی بر هوش مصنوعی مانند چتباتها یا ابزارهای خلاصهسازی بسازند، از رویکرد عملی کتاب بهرهمند خواهند شد. تمرکز کتاب بر استفاده از APIها و کتابخانههای متنباز برای ارائه محصولات کاربردی و مقیاسپذیر است.
کسانی که به جزئیات معماری مدلهای ترنسفورمر علاقهمند هستند، از بررسیهای عمیق در مورد مکانیزمهای توجه و تنظیم دقیق استقبال خواهند کرد. این کتاب به عنوان یک پایه محکم برای درک آخرین پیشرفتها و آزمایشها در این حوزه عمل میکند.
تصمیمگیرندگانی که نیاز به درک توانمندیها و محدودیتهای LLMها برای استراتژی کسبوکار دارند، بررسی هوش مصنوعی مسئولانه را حیاتی خواهند یافت. این کتاب به ارزیابی اینکه کدام مدلها و تکنیکها برای نیازهای سازمانی و استانداردهای اخلاقی مناسبتر هستند، کمک میکند.
دلیل نوشتن کتاب
این کتاب از یک رویکرد آموزشی بصری برای قابلفهم کردن مفاهیم پیچیده هوش مصنوعی استفاده میکند. این موضوع به خوانندگان کمک میکند تا شهود پشت ترنسفورمرها و تعبیهها را بدون غرق شدن در فرمولهای ریاضی غلیظ درک کنند.
کتاب با تمرکز بر ابزارها و کتابخانههای کاربردی مورد استفاده در صنعت، شکاف بین تحقیق و تولید را پر میکند. خوانندگان میتوانند بلافاصله آموختههای خود را برای ساخت سیستمهای جستجوی معنایی یا طبقهبندی متن قوی به کار ببرند.
محتوای کتاب از توکنسازی پایه تا تکنیکهای پیشرفتهای مانند تولید تقویتشده با بازیابی (RAG) را در بر میگیرد. این یک نقشه راه کامل برای هر کسی است که به دنبال تسلط بر چشمانداز فعلی مدلهای زبانی بزرگ است.
این کتاب که توسط رهبران صنعت در Cohere و Google DeepMind نوشته شده است، بینشهای منحصربهفردی در مورد استقرار واقعی LLM ارائه میدهد. تجربه حرفهای آنها تضمین میکند که تکنیکهای مورد بحث هم مدرن و هم در محیطهای کاری بسیار موثر هستند.
نمای کلی محتوا
این کتاب به دلیل تواناییاش در سادهسازی موضوعات پیچیده از طریق توضیحات بصری و نمودارهای واضح، بسیار مورد تحسین قرار گرفته است. این اثر باعث میشود «جعبه سیاه» مدلهای زبانی بزرگ برای تازهواردان این حوزه، شفاف و قابلفهم به نظر برسد.
منتقدان بر تمرکز کتاب بر مهارتهای فعلی و پرتقاضا مانند RAG، مهندسی پرامپت و مدلهای چندوجهی تاکید دارند. این اثر به عنوان یک راهنمای ضروری برای بهروز ماندن در صنعت هوش مصنوعی که به سرعت در حال تکامل است، شناخته میشود.
گنجاندن موارد استفاده واقعی، مانند جستجوی معنایی برای مقالات علمی، حس ملموسی از نحوه عملکرد این مدلها ارائه میدهد. کتاب فراتر از مثالهای ساده رفته و به حل چالشهای مهندسی واقعی که در محیطهای حرفهای با آنها مواجه میشویم، میپردازد.
حضور نویسندگانی از آزمایشگاههای برتر هوش مصنوعی تضمین میکند که محتوا از نظر فنی درست بوده و منعکسکننده بهترین شیوههای صنعت است. این کتاب به عنوان یک مرجع معتبر برای هر دو جنبه تئوری و کاربردی مدلهای ترنسفورمر دیده میشود.
12 فصل در حال تولید
مدت زمان خوانش
10:29
نوع کتاب
اشتراکی
شرکت کنندگان
0 نفر
تولید کتاب
۳۱ شهریور ۱۴۰۵