Biblioteka Publiczna

Spis treści:

1. Rozdział 1. Nawigowanie po krajobrazie NLP - kompleksowe wprowadzenie
2. Dla kogo jest ta książka?
3. Co to jest przetwarzanie języka naturalnego?
4. Wstępne strategie maszynowego przetwarzania języka naturalnego
5. Zwycięska synergia - połączenie NLP i ML
6. Wprowadzenie do matematyki i statystyki w NLP
7. Podsumowanie
8. Pytania i odpowiedzi
9. Rozdział 2. Algebra liniowa, prawdopodobieństwo i statystyka w uczeniu maszynowym i NLP
10. Wprowadzenie do algebry liniowej
11. Wartości i wektory własne
12. Prawdopodobieństwo w uczeniu maszynowym
13. Podsumowanie
14. Dalsza lektura
15. Bibliografia
16. Rozdział 3. Wykorzystanie potencjału uczenia maszynowego w NLP
17. Wymagania techniczne
18. Eksploracja danych
19. Typowe modele uczenia maszynowego
20. Niedostateczne i nadmierne dopasowanie modelu
21. Dzielenie danych
22. Dostrajanie hiperparametrów
23. Modele zespołowe
24. Dane niezrównoważone
25. Dane skorelowane
26. Podsumowanie
27. Bibliografia
28. Rozdział 4. Usprawnianie technik wstępnego przetwarzania tekstu pod kątem optymalnej wydajności NLP
29. Wymagania techniczne
30. Normalizacja tekstu
31. Rozpoznawanie nazwanych encji (NER)
32. Oznaczanie części mowy
33. Potok wstępnego przetwarzania tekstu
34. Podsumowanie
35. Rozdział 5. Klasyfikowanie tekstu - wykorzystanie tradycyjnych technik uczenia maszynowego
36. Wymagania techniczne
37. Typy klasyfikacji tekstu
38. Klasyfikacja tekstu metodą TF-IDF
39. Klasyfikacja tekstu z użyciem Word2Vec
40. Modelowanie tematyczne - praktyczne zastosowanie nienadzorowanej klasyfikacji tekstu
41. Przykładowy scenariusz - projekt systemu ML do klasyfikacji NLP w notatniku Jupytera
42. Podsumowanie
43. Rozdział 6. Nowe spojrzenie na klasyfikowanie tekstu - językowe modele uczenia głębokiego
44. Wymagania techniczne
45. Podstawy uczenia głębokiego
46. Architektury sieci neuronowych
47. Problemy z trenowaniem sieci neuronowych
48. Modele językowe
49. Transformery
50. Duże modele językowe
51. Wyzwania związane z trenowaniem modeli językowych
52. Problemy związane z używaniem GPT-3
53. Podsumowanie
54. Rozdział 7. Duże modele językowe - teoria, projektowanie i implementacja
55. Wymagania techniczne
56. Co to są duże modele językowe i czym różnią się od zwykłych modeli językowych?
57. Co wyróżnia modele LLM?
58. Powody tworzenia i używania modeli LLM
59. Problemy związane z tworzeniem modeli LLM
60. Typy modeli LLM
61. Przykładowe projekty nowoczesnych modeli LLM
62. Podsumowanie
63. Źródła
64. Rozdział 8. Dostęp do dużych modeli językowych - zaawansowana konfiguracja i integracja z RAG
65. Wymagania techniczne
66. Konfigurowanie aplikacji LLM - oparte na API modele o zamkniętym kodzie źródłowym
67. Inżynieria podpowiedzi i inicjalizowanie GPT
68. Konfigurowanie aplikacji LLM - lokalne modele o otwartym kodzie źródłowym
69. Stosowanie modeli LLM z ekosystemu Hugging Face z użyciem Pythona
70. Zaawansowane projektowanie systemów - RAG i LangChain
71. Omówienie prostej konfiguracji LangChain w notatniku Jupytera
72. Podsumowanie
73. Rozdział 9. Eksplorowanie granic - zaawansowane zastosowania i innowacje w dziedzinie LLM
74. Wymagania techniczne
75. Zwiększanie skuteczności modeli LLM z użyciem RAG i LangChain - funkcje zaawansowane
76. skuteczności modeli LLM
77. Zaawansowane użycie łańcuchów
78. modelowi LLM zwrócenia wyników w określonym formacie
79. Automatyczne pobieranie informacji z różnych źródeł internetowych
80. Kompresja podpowiedzi i ograniczanie kosztów użycia API
81. Wiele agentów - tworzenie zespołu współpracujących modeli LLM
82. Podsumowanie
83. Rozdział 10. Na fali - przeszłe, teraźniejsze i przyszłe trendy kształtowane przez modele LLM i sztuczną inteligencję
84. Kluczowe trendy techniczne związane z modelami LLM i AI
85. Duże zbiory danych i ich niezatarty wpływ na NLP i modele LLM
86. Ewolucja dużych modeli językowych - cel, wartość i wpływ
87. Trendy kulturowe w NLP i modelach LLM
88. NLP i modele LLM w świecie biznesu
89. Trendy behawioralne wywoływane przez AI i model LLM - aspekt społeczny
90. Podsumowanie
91. Rozdział 11. Okiem branży - opinie i prognozy ekspertów światowej klasy
92. Prezentacja ekspertów
93. Nitzan Mekel-Bobrov, PhD
94. David Sontag, PhD
95. John D. Halamka, M.D., M.S.
96. Xavier Amatriain, PhD
97. Melanie Garson, PhD
98. Nasze pytania i odpowiedzi ekspertów
99. Nitzan Mekel-Bobrov
100. David Sontag
101. John D. Halamka
102. Xavier Amatriain
103. Melanie Garson

Zobacz spis treści

---