Generatywne modele j

Osoby które kupowały "Generatywna sztuczna inteligencja z LangChain. Budowanie aplikacji AI opartych na LLM z u", wybierały także:

• Sztuczna inteligencja w Azure. Kurs video. Uczenie maszynowe i Azure Machine Learning Service 199,00 zł, (69,65 zł -65%)
• Web scraping w Data Science. Kurs video. Uczenie maszynowe i architektura splotowych sieci neuronowych 178,97 zł, (62,64 zł -65%)
• Sztuczna inteligencja w Azure. Kurs video. Us 199,00 zł, (69,65 zł -65%)
• AI w praktyce. Kurs video. Narz 164,31 zł, (59,15 zł -64%)
• Uczenie g 129,00 zł, (51,60 zł -60%)

Spis treści

Generatywna sztuczna inteligencja z LangChain. Budowanie aplikacji AI opartych na LLM z użyciem Pythona, ChatGPT i innych modeli językowych eBook -- 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