Powoli przyzwyczajamy si

Zobacz także:

• AI w Excelu. Kurs video. Automatyzacja zada 249,00 zł, (136,95 zł -45%)
• Generatywne AI. Kurs video. DALL-E, ChatGPT i tworzenie w 116,88 zł, (65,45 zł -44%)
• Tworzenie aplikacji AI z LlamaIndex. Praktyczny przewodnik po RAG i LLM 89,00 zł, (53,40 zł -40%)
• (Nie)etyczna AI. Jak programowa 59,00 zł, (35,40 zł -40%)
• Polecenia dla ChatGPT w finansach: praktyczne zastosowanie w biznesie i finansach osobistych 59,00 zł, (35,40 zł -40%)

Spis treści

Tworzenie aplikacji z wykorzystaniem GPT-4 i ChatGPT. Buduj inteligentne chatboty, generatory treści i realizuj fascynujące projekty. Wydanie II -- spis treści

Wprowadzenie

1. Podstawy modeli GPT-4 i ChatGPT

• Wprowadzenie do modeli LLM
  • Podstawy modeli językowych i NLP
  • Transformer i jego rola w modelu LLM
  • Demistyfikacja etapów tokenizacji i prognozowania w modelach GPT
  • Dodanie wizji do modeli LLM
• Historia modeli w skrócie: od GPT-1 do GPT-4
  • GPT-1
  • GPT-2
  • GPT-3
  • Od GPT-3 do InstructGPT
  • GPT-3.5, Codex i ChatGPT
  • GPT-4
  • Dlaczego używa się systemu ELO do porównywania modeli?
  • Rozwój sztucznej inteligencji w kierunku multimodalności
• Zastosowania modelu LLM i przykładowe produkty
  • Be My Eyes
  • Morgan Stanley
  • Khan Academy
  • Duolingo
  • Yabble
  • Waymark
  • Inworld AI
• Uważaj na halucynacje sztucznej inteligencji: ograniczenia i wnioski
• Uwalnianie potencjału modeli GPT za pomocą zaawansowanych funkcji
• Podsumowanie

2. Szczegółowe informacje o interfejsach OpenAI API

• Podstawowe pojęcia
• Dostępne interfejsy API modeli OpenAI
  • Fundamentalne modele GPT
  • InstructGPT (przestarzałe)
  • GPT-3.5
  • GPT-4
• Testowanie modeli GPT za pomocą platformy OpenAI Playground
• Pierwsze kroki: biblioteka OpenAI dla języka Python
  • Dostęp do modeli i klucz API
  • Przykład "Witaj, świecie!"
• Korzystanie z modeli uzupełniania rozmów
  • Parametry wejściowe punktu końcowego ChatCompletion
  • Dobieranie wartości parametrów top_p i temperature
  • Format odpowiedzi punktu końcowego ChatCompletion
  • Obraz
  • Wymuszanie odpowiedzi w formacie JSON
• Korzystanie z innych modeli uzupełniających tekst
  • Parametry wejściowe punktu końcowego Completion
  • Format odpowiedzi punktu końcowego Completion
• Uwagi
  • Ceny i limity tokenów
  • Bezpieczeństwo i prywatność danych
• Inne interfejsy API i ich funkcjonalności
  • Osadzenia
  • Tłumaczenie języka naturalnego za pomocą osadzeń w uczeniu maszynowym
  • Modele moderujące
  • Przekształcanie tekstu na mowę
  • Przekształcanie mowy na tekst
  • API do pracy z obrazami
• Podsumowanie (i ściągawka)

3. Nawigacja po aplikacjach wspieranych przez modele LLM - możliwości i wyzwania

• Ogólne informacje o tworzeniu aplikacji
  • Zarządzanie kluczami API
  • Bezpieczeństwo i prywatność danych
• Wzorce architektoniczne oprogramowania
• Zastosowanie możliwości modeli LLM w aplikacjach
  • Prowadzenie rozmów
  • Przetwarzanie języka
  • Interakcja człowiek - komputer
  • Łączenie zdolności
• Przykładowe projekty
  • Projekt 1. Generator wiadomości - przetwarzanie języka
  • Projekt 2. Streszczanie filmów z YouTube'a - przetwarzanie języka
  • Projekt 3. Ekspert od Minecrafta - przetwarzanie języka i prowadzenie rozmowy
  • Projekt 4. Osobisty asystent - interfejs interakcji komputer - człowiek
  • Projekt 5. Organizowanie dokumentów - przetwarzanie języka
  • Projekt 6. Analiza wydźwięku tekstu - przetwarzanie języka
• Zarządzanie kosztami
• Podatności na ataki aplikacji opartych na modelach LLM
  • Analiza danych wejściowych i wyjściowych
  • Nieuchronność wstrzykiwania promptów
• Praca z zewnętrznym API
  • Obsługa błędów i nieoczekiwanych opóźnień
  • Limity prędkości
  • Poprawa responsywności i doświadczenia użytkownika
• Podsumowanie

4. Zaawansowane strategie integracji modeli LLM

• Inżynieria promptu
  • Tworzenie skutecznych promptów z rolami, kontekstem i zadaniami
  • Rozumowanie modelu krok po kroku
  • Implementacja uczenia na kilku przykładach
  • Iteracyjna poprawa z uwzględnieniem opinii użytkownika
  • Zwiększanie skuteczności promptu
• Dostrajanie modelu
  • Pierwsze kroki
  • Dostrajanie modelu za pomocą interfejsu OpenAI API
  • Dostrajanie za pomocą interfejsu webowego OpenAI
  • Zastosowania dostrojonych modeli
  • Generowanie syntetycznych danych i dostrajanie modelu na potrzeby e-mailowej kampanii marketingowej
  • Koszty dostrajania
• RAG
  • Najprostszy RAG
  • Zaawansowany RAG
  • Ograniczenia RAG
• Wybór strategii
  • Porównanie strategii
  • Ocenianie
• Od standardowej aplikacji do rozwiązania wspomaganego przez LLM
  • Wrażliwość na prompt
  • Brak determinizmu
  • Halucynacje
• Podsumowanie

5. Rozszerzanie modeli LLM za pomocą frameworków i wtyczek

• Platforma LangChain
  • Biblioteki platformy Langchain
  • Dynamiczne prompty
  • Agenty i narzędzia
  • Pamięć
  • Osadzenia
• Platforma LlamaIndex
  • Prezentacja: RAG w 10 liniach kodu
  • Zasady platformy LlamaIndex
  • Dostosowanie
• Wtyczki GPT-4
  • Informacje ogólne
  • Interfejs API
  • Manifest
  • Specyfikacja OpenAPI
  • Opisy
• Niestandardowe modele GPT
• API asystentów
  • Tworzenie API asystentów
  • Zarządzanie rozmową z API asystentów
  • Wywoływanie funkcji
  • Asystenty na platformie webowej OpenAI
• Podsumowanie

6. Składanie wszystkiego w całość

• Kluczowe wnioski
• Składanie wszystkiego w całość - przykład zastosowania asystenta
  • Krok 1: tworzenie pomysłów
  • Krok 2: definiowanie wymagań
  • Krok 3: budowanie prototypu
  • Krok 4: ulepszanie, iteracje
  • Krok 5: zabezpieczenie rozwiązania
• Wnioski

Słownik kluczowych pojęć

Narzędzia, biblioteki i frameworki