Praxiseinstieg Large Language Models

Name: Praxiseinstieg Large Language Models
Price: 39.9 EUR
Availability: InStock
Author: Sinan Ozdemir
ISBN: 9783960092407

Strategien u. Best Practices für den Einsatz v. ChatGPT u. LLMs

Auch für interessierte Nicht-Data-Scientists mit Python-Kenntnissen verständlich

Verlag	OReilly (dpunkt)
Autor:in	Sinan Ozdemir
Fassung	271 Seiten, Softcover
Erschienen	05/2024
ISBN	978-3-96009-240-7 9783960092407

Buch

€39,90 inkl. MwSt.

Best.-Nr.: OR-240

Versandkostenfrei (D)

Sofort lieferbar

Praxiseinstieg Large Language Models

Strategien u. Best Practices für den Einsatz v. ChatGPT u. LLMs

Auch für interessierte Nicht-Data-Scientists mit Python-Kenntnissen verständlich

Verlag:	OReilly (dpunkt)
Autor:in	Sinan Ozdemir
Fassung:	271 Seiten, Softcover
Erschienen:	05/2024
ISBN:	978-3-96009-240-7 9783960092407

Best.-Nr.: OR-240
Sofort lieferbar

€39,90 inkl. MwSt.

Versandkostenfrei (D)

Best.-Nr.:

eBook (PDF)

€ inkl. MwSt.

Inhaltsverzeichnis:	Jetzt downloaden
Vorwort:	Jetzt downloaden
Leseprobe:	Jetzt downloaden

Praxiseinstieg Large Language Models

Strategien u. Best Practices für den Einsatz v. ChatGPT u. LLMs

Auch für interessierte Nicht-Data-Scientists mit Python-Kenntnissen verständlich

Best.-Nr.: OR-240
Sofort lieferbar

€39,90 inkl. MwSt.

Versandkostenfrei (D)

Verlag:	OReilly (dpunkt)
Autor:in	Sinan Ozdemir
Fassung:	271 Seiten, Softcover
Erschienen:	05/2024
ISBN:	978-3-96009-240-7 9783960092407
Inhaltsverzeichnis:	Jetzt downloaden
Vorwort:	Jetzt downloaden
Leseprobe:	Jetzt downloaden

Zentrale Konzepte und Techniken von LLMs: ChatGPT, NLP, Prompt-Engineering und GPT-4

Dieses Buch bietet einen umfassenden Überblick über zentrale Konzepte und Techniken von Large Language Models (LLMs), wie z.B. ChatGPT, und zeigt das Potenzial sowohl von Open-Source- als auch Closed-Source-Modellen auf. Sinan Ozdemir erläutert detailliert, wie LLMs funktionieren und wie sie für verschiedene Aufgaben im Bereich des Natural Language Processing (NLP) eingesetzt werden können. Dabei richtet er sich nicht nur an Data Scientists, sondern auch an interessierte Leser mit Python-Kenntnissen. Zu den behandelten Themen gehören unter anderem die ChatGPT-API, Prompt-Engineering, Chatbot-Personas und die Cloud-Bereitstellung. Auch die neueste Generation der Modelle, wie GPT-4, wird abgedeckt.

Blick ins Buch: Praxiseinstieg Large Language Models

Praktischer Leitfaden für ChatGPT, NLP, GPT-4 und mehr

Large Language Models (LLMs) wie ChatGPT sind äußerst leistungsfähig, aber auch sehr komplex. Praktiker stehen vor vielen Herausforderungen, wenn sie diese Modelle in ihre eigenen Anwendungen integrieren möchten. In dieser Einführung hilft Data Scientist und KI-Unternehmer Sinan Ozdemir, diese Hürden zu überwinden, indem er einen Leitfaden für den praktischen Einsatz von LLMs im Bereich des Natural Language Processing (NLP) bietet.

Sinan Ozdemir stellt alles bereit, was Sie für den Einstieg benötigen: Schritt-für-Schritt-Anleitungen, Best Practices, praktische Fallstudien, Übungen und vieles mehr. Er erklärt die Funktionsweise von LLMs und hilft Ihnen, das passende Modell sowie die richtigen Datenformate und Parameter für Ihre Anwendung auszuwählen. Dabei zeigt er das Potenzial sowohl von Closed-Source- als auch Open-Source-LLMs wie GPT-3, GPT-4, ChatGPT, BERT, T5, GPT-J, GPT-Neo, Cohere und BART.

Aus dem Inhalt

Lernen Sie die Schlüsselkonzepte kennen: Transfer Learning, Feintuning, Attention, Embeddings, Tokenisierung und mehr
Nutzen Sie APIs und Python, um LLMs an Ihre Anforderungen anzupassen
Beherrschen Sie Prompt-Engineering-Techniken wie Ausgabe-Strukturierung, Gedankenketten und Few-Shot-Prompting
Passen Sie LLM-Embeddings an, um eine Empfehlungsengine mit eigenen Benutzerdaten neu zu erstellen
Konstruieren Sie multimodale Transformer-Architekturen mithilfe von Open-Source-LLMs
Optimieren Sie LLMs mit Reinforcement Learning from Human and AI Feedback (RLHF/RLAIF)
Deployen Sie Prompts und benutzerdefinierte, feingetunte LLMs in die Cloud

Hier das ganze Inhaltsverzeichnis lesen.

"Eine erfrischende und inspirierende Ressource. Vollgepackt mit praktischen Anleitungen und klaren Erläuterungen, die Ihren Horizont auf diesem spektakulären neuen Gebiet erweitern."

— Pete Huang, Autor von The Neuron

Leseprobe

In dieser Leseprobe behandelt Sinan Ozdemir die semantische Suche mit LLMs. Herkömmliche Suchmaschinen liefern Ergebnisse, die die eingegebenen Suchbegriffe oder deren Variationen in hoher Dichte enthalten. Diese Suchmaschinen verstehen jedoch nicht, was wir wirklich suchen, was problematisch sein kann, da Wörter je nach Zusammenhang unterschiedliche Bedeutungen haben können. Ein semantisches Suchsystem hingegen ist in der Lage, den Kontext und somit die Bedeutung einer Suchanfrage verstehen.

Wer hat's geschrieben?

Sinan Ozdemir hat einen Masterabschluss in Mathematik bahnte sich einen erfolgreichen Weg als KI-Unternehmer und Berater für Venture Capital. Seine ersten Erfahrungen mit Data Science und Machine Learning (ML) sammelte er als Dozent an der Johns Hopkins University, wo er mehrere KI-Patente entwickelte.
Später wagte er den Schritt in die schnelllebige Welt der Start-ups, indem er sich im kalifornischen Tech-Hotspot San Francisco niederließ. Dort gründete er Kylie.ai, eine innovative Plattform, die die Fähigkeiten der Conversational AI mit Robotic Process Automation (RPA) kombinierte. Kylie.ai erlangte schnell Bekanntheit aufgrund ihres überzeugenden Wertversprechens und wurde schließlich 2019 verkauft.
Während dieser Zeit begann Sinan, eine Vielzahl von Lehrbüchern über Data Science, KI und ML zu verfassen. Seine Mission ist es, über die Fortschritte in diesem Bereich auf dem Laufenden zu bleiben und dieses Wissen mit anderen zu teilen – eine Philosophie, die er aus seiner Zeit als Universitätsdozent mitbringt. In seiner aktuellen Rolle als CTO bei LoopGenius, einem von Venture Capital unterstützten Startup, steht Sinan im Zentrum eines Teams, das die Möglichkeiten von KI-Anwendungen für Unternehmensgründung und -management erkundet.