掌握LangChain框架来开发生产就绪的应用程序,包括代理和个人助理,整合网络搜索和代码执行。 主要特点:

  • 了解如何利用LLMs的能力并应对其固有的弱点
  • 深入探索LLMs与LangChain的领域,对其基本原理、伦理维度和应用挑战进行深入探索
  • 更好地使用ChatGPT和GPT模型,从启发式和训练到可扩展的部署,使您能够将想法变为现实

书籍描述: OpenAI的ChatGPT和GPT模型已经彻底改变了我们对世界的看法——不仅仅是我们如何写作和研究,还有我们如何处理信息。 本书讨论了LLMs的功能、能力和局限性,包括ChatGPT和Bard。它还展示了如何使用LangChain框架基于这些模型实现生产就绪的应用程序,如代理和个人助理,并与其他工具如网络搜索和代码执行整合。 随着您阅读各章节,您将使用transformer模型和各种注意机制,完善训练和微调的复杂过程。您将深入了解使用pandas和Python进行自动化分析和可视化的数据驱动决策。您还将更深入地了解如何使用这些模型的启发式,提示、训练和微调,并进行大规模部署。 当您完成这本书时,您将深入了解LLMs的工作原理以及如何充分利用它们。 您将学到的内容:

  • 了解LLMs及其法律影响
  • 了解transformer模型和不同的注意机制
  • 训练和微调LLMs,并了解使用它们的工具
  • 使用LangChain构建应用程序,如问答系统和聊天机器人
  • 使用pandas和Python实现自动化数据分析和可视化
  • 掌握提示工程以改进提示和评估策略
  • 使用LangChain将LLMs作为服务部署
  • 使用ChatGPT与您的文档私密交互,无数据泄露

本书适用于: 本书适用于开发人员、研究人员和任何对LLMs感兴趣的人。本书风格清晰简洁,包括大量代码示例,帮助读者通过实践学习。无论您是初学者还是经验丰富的开发人员,这本书都将成为任何希望充分利用LLMs并希望在LLMs和LangChain领域保持领先地位的人的宝贵资源。需要基本的Python知识,而之前接触过机器学习将帮助您更轻松地跟随。 https://www.oreilly.com/library/view/generative-ai-with/9781835083468/

成为VIP会员查看完整内容
112

相关内容

生成式人工智能是利用复杂的算法、模型和规则,从大规模数据集中学习,以创造新的原创内容的人工智能技术。这项技术能够创造文本、图片、声音、视频和代码等多种类型的内容,全面超越了传统软件的数据处理和分析能力。2022年末,OpenAI推出的ChatGPT标志着这一技术在文本生成领域取得了显著进展,2023年被称为生成式人工智能的突破之年。这项技术从单一的语言生成逐步向多模态、具身化快速发展。在图像生成方面,生成系统在解释提示和生成逼真输出方面取得了显著的进步。同时,视频和音频的生成技术也在迅速发展,这为虚拟现实和元宇宙的实现提供了新的途径。生成式人工智能技术在各行业、各领域都具有广泛的应用前景。
【2023新书】大型语言模型:语言理解和生成, 191页pdf
专知会员服务
205+阅读 · 2023年11月2日
【2023新书】用Python预训练视觉和大型语言模型,466页pdf
专知会员服务
111+阅读 · 2023年6月21日
【2023新书】机器人,视觉和控制:Python第3版基本算法
专知会员服务
98+阅读 · 2023年5月21日
【经典书】算法C语言实现,Algorithms in C. 672页pdf
专知会员服务
79+阅读 · 2020年8月13日
国家自然科学基金
4+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
29+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Arxiv
131+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
325+阅读 · 2023年3月31日
Arxiv
53+阅读 · 2023年3月26日
Arxiv
111+阅读 · 2023年3月24日
VIP会员
相关基金
国家自然科学基金
4+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
29+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员