کتاب Hands-On Large Language Models Language Understanding and Generation

هوش مصنوعی تو چند سال اخیر یهویی کلی توانایی جدید تو زبون پیدا کرده.

با پیشرفت سریع یادگیری عمیق، سیستم‌های هوش مصنوعی زبانی الان می‌تونن متن رو بهتر از همیشه بنویسن و بفهمن.

این روند داره امکانات، محصولات و صنایع جدیدی رو به وجود میاره.

این کتاب با آموزش‌های تصویریش، ابزارها و مفاهیم کاربردی‌ای رو که برای استفاده از این توانایی‌ها لازم دارین، بهتون یاد می‌ده. 

یاد می‌گیرین چطوری از مدل‌های زبانی بزرگ از پیش آموزش‌دیده برای کارهایی مثل نوشتن متن تبلیغاتی و خلاصه‌سازی استفاده کنین؛ سیستم‌های جستجوی معنایی بسازین که فراتر از تطبیق کلمات کلیدی عمل می‌کنن؛ و از کتابخونه‌ها و مدل‌های از پیش آموزش‌دیده برای دسته‌بندی، جستجو و خوشه‌بندی متن استفاده کنین.

این کتاب همچنین بهتون کمک می‌کنه:

معماری مدل‌های زبانی ترنسفورمر رو که تو تولید و نمایش متن عالی هستن، بفهمین

پایپ‌لاین‌های پیشرفته LLM بسازین تا اسناد متنی رو خوشه‌بندی کنین و موضوعاتی که پوشش می‌دن رو بررسی کنین

موتورهای جستجوی معنایی بسازین که فراتر از جستجوی کلمات کلیدی عمل می‌کنن، با استفاده از روش‌هایی مثل بازیابی متراکم و رتبه‌بندی مجدد

بررسی کنین که چطوری می‌شه از مدل‌های مولد استفاده کرد، از مهندسی پرامپت گرفته تا تولید تقویت‌شده با بازیابی

درک عمیق‌تری از نحوه آموزش LLMها به دست بیارین و اون‌ها رو برای کاربردهای خاص با استفاده از تنظیم دقیق مدل مولد، تنظیم دقیق متضاد و یادگیری در متن بهینه کنین

AI has acquired startling new language capabilities in just the past few years. Driven by rapid advances in deep learning, language AI systems are able to write and understand text better than ever before. This trend is enabling new features, products, and entire industries. Through this book's visually educational nature, readers will learn practical tools and concepts they need to use these capabilities today.

You'll understand how to use pretrained large language models for use cases like copywriting and summarization; create semantic search systems that go beyond keyword matching; and use existing libraries and pretrained models for text classification, search, and clusterings.

This book also helps you:

Understand the architecture of Transformer language models that excel at text generation and representation

Build advanced LLM pipelines to cluster text documents and explore the topics they cover

Build semantic search engines that go beyond keyword search, using methods like dense retrieval and rerankers

Explore how generative models can be used, from prompt engineering all the way to retrieval-augmented generation

Gain a deeper understanding of how to train LLMs and optimize them for specific applications using generative model fine-tuning, contrastive fine-tuning, and in-context learning