Generatywna sztuczna inteligencja z LangChain. Budowanie aplikacji AI opartych na LLM z u - Helion
Tytuł oryginału: Generative AI with LangChain: Build large language model (LLM) apps with Python, ChatGPT and other LLMs
Tłumaczenie: Anna Mizerska
ISBN: 978-83-289-1436-0
stron: 288, Format: 165x235, okładka: mi
Data wydania: 2024-10-01
Księgarnia: Helion
Cena książki: 51,35 zł (poprzednio: 79,00 zł)
Oszczędzasz: 35% (-27,65 zł)
Osoby które kupowały "Generatywna sztuczna inteligencja z LangChain. Budowanie aplikacji AI opartych na LLM z u", wybierały także:
- Generatywna sztuczna inteligencja z LangChain. Budowanie aplikacji AI opartych na LLM z u 79,00 zł, (39,50 zł -50%)
- J 44,90 zł, (22,45 zł -50%)
- Prosto o AI. Jak dzia 44,90 zł, (22,45 zł -50%)
- Prawo w IT. Praktycznie i po ludzku 89,00 zł, (44,50 zł -50%)
- Prompt engineering i ChatGPT. Poradnik skutecznej komunikacji ze sztuczn 58,98 zł, (29,49 zł -50%)
Spis treści
Generatywna sztuczna inteligencja z LangChain. Budowanie aplikacji AI opartych na LLM z użyciem Pythona, ChatGPT i innych modeli językowych -- spis treści
Wstęp
Rozdział 1. Czym jest generatywna sztuczna inteligencja?
- Wprowadzenie do generatywnej sztucznej inteligencji
- Czym są modele generatywne?
- Dlaczego teraz?
- Zrozumienie modeli LLM
- Co to jest GPT?
- Inne modele LLM
- Główni gracze na rynku modeli LLM
- Jak działają modele GPT?
- Jak wypróbować generatywne modele językowe?
- Czym są modele przekładające tekst na obraz?
- Co sztuczna inteligencja może zrobić w innych dziedzinach?
- Podsumowanie
- Pytania
Rozdział 2. LangChain dla aplikacji opartych a modelach LLM
- Wykraczanie poza papugę stochastyczną
- Ograniczenia modeli LLM
- Jak można łagodzić ograniczenia modeli LLM?
- Czym jest aplikacja oparta na modelu językowym?
- Co to jest LangChain?
- Kluczowe komponenty LangChain
- Czym są łańcuchy?
- Czym są agenty?
- Czym jest pamięć?
- Dostępne narzędzia
- Jak działa LangChain?
- Porównanie LangChain z innymi frameworkami
- Podsumowanie
- Pytania
Rozdział 3. Rozpoczęcie pracy z LangChain
- Ustawienie środowiska na potrzeby przykładów z tej książki
- pip
- Poetry
- Conda
- Docker
- Integracja API modelu
- Model LLM atrapa
- OpenAI
- Hugging Face
- Platforma Google Cloud
- Jina AI
- Replicate
- Pozostali dostawcy
- Modele lokalne
- Transformery Hugging Face
- llama.cpp
- GPT4All
- Budowanie aplikacji dla działu obsługi klienta
- Podsumowanie
- Pytania
Rozdział 4. Budowanie skutecznych agentów
- Łagodzenie zjawiska halucynacji przez sprawdzanie faktów
- Streszczanie informacji
- Podstawowe monity
- Szablony monitów
- Łańcuch zagęszczania
- Potoki "mapuj-redukuj"
- Monitorowanie liczby tokenów
- Wyciąganie informacji z dokumentów
- Odpowiadanie na pytania z użyciem narzędzi
- Pozyskiwanie informacji z użyciem narzędzi
- Budowanie interfejsu wizualnego
- Strategie rozumowania
- Podsumowanie
- Pytania
Rozdział 5. Tworzenie robota konwersacyjnego na kształt ChatGPT
- Co to jest chatbot?
- Pobieranie i wektory
- Osadzenia
- Przechowywanie wektorów
- Wczytywanie i pobieranie w LangChain
- Moduły wczytujące dokumenty
- Moduły pobierające w LangChain
- Implementacja chatbota
- Moduł wczytujący dokumenty w chatbocie
- Wektorowa baza danych dla chatbota
- Pamięć
- Moderowanie odpowiedzi
- Podsumowanie
- Pytania
Rozdział 6. Tworzenie oprogramowania z pomocą generatywnej sztucznej inteligencji
- Wytwarzanie oprogramowania a sztuczna inteligencja
- Modele LLM dla kodu
- Pisanie kodu za pomocą modeli LLM
- StarCoder
- StarChat
- Llama 2
- Mały lokalny model
- Zautomatyzowane tworzenie oprogramowania
- Podsumowanie
- Pytania
Rozdział 7. Modele LLM w analizie danych
- Wpływ generatywnych modeli na analizy danych
- Automatyzacje w danologii
- Zbieranie danych
- Wizualizacje oraz badania eksploracyjne
- Wstępne przetwarzanie danych i wyciąganie cech
- AutoML
- Odpowiadanie na pytania o dane za pomocą agentów
- Odkrywanie danych za pomocą modeli LLM
- Podsumowanie
- Pytania
Rozdział 8. Niestandardowe modele LLM i zwracane przez nie rezultaty
- Warunkowanie modeli LLM
- Metody warunkowania
- Dostrajanie
- Przygotowanie do dostrajania
- Modele z otwartym źródłem
- Modele komercyjne
- Inżynieria monitu
- Techniki tworzenia monitów
- Podsumowanie
- Pytania
Rozdział 9. Generatywna sztuczna inteligencja w produkcji
- Przygotowanie aplikacji LLM do wdrożenia do produkcji
- Terminologia
- Ocena aplikacji LLM
- Porównywanie dwóch wyników
- Porównywanie z kryteriami
- Porównania ciągów znaków i porównania znaczeniowe
- Przeprowadzanie oceny na zestawach danych
- Wdrażanie aplikacji LLM
- Serwer webowy FastAPI
- Ray
- Obserwacja aplikacji LLM
- Śledzenie odpowiedzi
- Narzędzia do obserwacji
- LangSmith
- PromptWatch
- Podsumowanie
- Pytania
Rozdział 10. Przyszłość modeli generatywnych
- Obecny stan generatywnej sztucznej inteligencji
- Wyzwania
- Trendy w tworzeniu i rozwijaniu modeli
- Giganci technologiczni vs małe przedsiębiorstwa
- Ogólna sztuczna inteligencja
- Konsekwencje ekonomiczne
- Branże kreatywne i marketing
- Edukacja
- Prawo
- Przemysł wytwórczy
- Medycyna
- Wojsko
- Wpływ na społeczeństwo
- Dezinformacja i bezpieczeństwo cyfrowe
- Regulacje i wyzwania związane z wdrażaniem przepisów
- Przyszłość