سبد خرید
0

هیچ محصولی در سبد خرید نیست.

حساب کاربری

پشتیبان 99004600919

پشتیبانی

18%

Large Language Models A Deep Dive: Bridging Theory and Practice

کتاب Large Language Models A Deep Dive

این کتاب کاوش معتبری در مورد طراحی، آموزش، تکامل و کاربرد LLM ها ارائه می دهد. این با مروری بر مدل‌های زبانی از پیش آموزش‌دیده و معماری‌های ترانسفورماتور آغاز می‌شود و زمینه را برای درک تکنیک‌های یادگیری مبتنی بر سریع فراهم می‌کند. سپس، به روش‌هایی برای تنظیم دقیق LLM، یکپارچه‌سازی یادگیری تقویتی برای هم‌ترازی ارزش، و هم‌گرایی LLM با بینایی رایانه، روباتیک و پردازش گفتار می‌پردازد.

خرید کتاب زبان اصلی | کاغذ تحریر | سایز اصلی کتاب | چاپ سیاه و سفید | صحافی جلد نرم

قیمت اصلی ۴۹۰,۰۰۰ تومان بود.قیمت فعلی ۴۰۰,۰۰۰ تومان است.

سیمی‌ کتاب‌ها به صورت رایگان!

کافیست در بخش توضیحات سبد خرید درخواست دهید.

موجود در انبار
✅ قیمت منصفانه به نسبت کیفیت بالای محصولات
✅گارانتی اصالت و ضمانت سلامت فیزیکی کتاب ها
✅ ارسال با بسته بندی مقاوم در کمترین زمان ممکن
✅ قیمت های به روز و عدم اتمام موجودی کتاب ها
نقد و بررسی اجمالیکتاب Large Language Models A Deep Dive

Large Language Models A Deep Dive: Bridging Theory and Practice

Large Language Models (LLMs) have emerged as a cornerstone technology, transforming how we interact with information and redefining the boundaries of artificial intelligence. LLMs offer an unprecedented ability to understand, generate, and interact with human language in an intuitive and insightful manner, leading to transformative applications across domains like content creation, chatbots, search engines, and research tools. While fascinating, the complex workings of LLMs―their intricate architecture, underlying algorithms, and ethical considerations―require thorough exploration, creating a need for a comprehensive book on this subject.

This book provides an authoritative exploration of the design, training, evolution, and application of LLMs. It begins with an overview of pre-trained language models and Transformer architectures, laying the groundwork for understanding prompt-based learning techniques. Next, it dives into methods for fine-tuning LLMs, integrating reinforcement learning for value alignment, and the convergence of LLMs with computer vision, robotics, and speech processing. The book strongly emphasizes practical applications, detailing real-world use cases such as conversational chatbots, retrieval-augmented generation (RAG), and code generation. These examples are carefully chosen to illustrate the diverse and impactful ways LLMs are being applied in various industries and scenarios.

Readers will gain insights into operationalizing and deploying LLMs, from implementing modern tools and libraries to addressing challenges like bias and ethical implications. The book also introduces the cutting-edge realm of multimodal LLMs that can process audio, images, video, and robotic inputs. With hands-on tutorials for applying LLMs to natural language tasks, this thorough guide equips readers with both theoretical knowledge and practical skills for leveraging the full potential of large language models.

This comprehensive resource is appropriate for a wide audience: students, researchers and academics in AI or NLP, practicing data scientists, and anyone looking to grasp the essence and intricacies of LLMs.

Key Features:

  • Over 100 techniques and state-of-the-art methods, including pre-training, prompt-based tuning, instruction tuning, parameter-efficient and compute-efficient fine-tuning, end-user prompt engineering, and building and optimizing Retrieval-Augmented Generation systems, along with strategies for aligning LLMs with human values using reinforcement learning
  • Over 200 datasets compiled in one place, covering everything from pre- training to multimodal tuning, providing a robust foundation for diverse LLM applications
  • Over 50 strategies to address key ethical issues such as hallucination, toxicity, bias, fairness, and privacy. Gain comprehensive methods for measuring, evaluating, and mitigating these challenges to ensure responsible LLM deployment
  • Over 200 benchmarks covering LLM performance across various tasks, ethical considerations, multimodal applications, and more than 50 evaluation metrics for the LLM lifecycle
  • Nine detailed tutorials that guide readers through pre-training, fine- tuning, alignment tuning, bias mitigation, multimodal training, and deploying large language models using tools and libraries compatible with Google Colab, ensuring practical application of theoretical concepts
  • Over 100 practical tips for data scientists and practitioners, offering implementation details, tricks, and tools to successfully navigate the LLM life- cycle and accomplish tasks efficiently

Artificial Intelligence & Semantics

نمایش ادامه مطلب
برچسب:
مشخصات کلیکتاب Large Language Models A Deep Dive
کتاب چاپی
ناشر

Springer

نویسندگان

Garrett Somers, Kevin Keenan, Sarah Sorenson, Uday Kamath

سال نشر

2024

زبان

انگلیسی

چاپ

چاپ سیاه و سفید

صحافی

صحافی جلد نـرم

سایز کتاب

سایز وزیری (17 در 24 سانتی متر)

تعداد صفحات

506

نظرات کاربرانکتاب Large Language Models A Deep Dive
نقد و بررسی‌ها0
  • جدیدترین
  • مفیدترین
  • دیدگاه خریداران

هنوز بررسی‌ای ثبت نشده است.

5
4
3
2
1
0.0

بر اساس 0 دیدگاه

نظر خود را در مورد این محصول بنویسید ... افزودن دیدگاه
پرسش و پاسخکتاب Large Language Models A Deep Dive

هیچ پرسشی یافت نشد

    برای ثبت پرسش، لازم است ابتدا وارد حساب کاربری خود شوید

    نقد و بررسیکتاب Large Language Models A Deep Dive
    افزودن به سبد خرید
    مقایسه محصولات

    0 محصول

    مقایسه محصول
    مقایسه محصول
    مقایسه محصول
    مقایسه محصول