LLM pratique que vous pouvez apprendre rapidement et facilement
 |
Description
Introduction au livre
Le moyen le plus simple et le plus rapide de découvrir les dernières tendances et pratiques en matière de LLM.
Guide pratique complet du LLM, du GPT aux modèles Llama et Claude
Ce livre offre une compréhension complète du développement LLM de manière facile à comprendre, avec des guides étape par étape, des bonnes pratiques, des études de cas réelles et des exemples pratiques, permettant même à ceux qui ne connaissent pas le LLM de commencer à développer immédiatement.
De plus, il aborde les aspects pratiques de l'optimisation et du déploiement de LLM sur le terrain, ce qui en fait un guide complet pouvant être utilisé par un large éventail d'utilisateurs, des débutants aux experts.
Cette deuxième édition, enrichie d'un contenu encore plus approfondi, aborde le réglage fin, la comparaison et l'utilisation stratégique des modèles de langage (LLM) open source et propriétaires, le format des données et la configuration des paramètres, l'optimisation de l'intégration, l'ingénierie avancée des invites et l'évaluation des LLM. Elle traite également de sujets de pointe tels que les chatbots RAG, les systèmes de recommandation, le tri par IA basé sur l'apprentissage par renforcement (RLHF/RLAIF) et la création de transformateurs multimodaux. Devenez un expert en IA grâce à cet ouvrage, à la fois une introduction aux LLM et un guide pratique.
Guide pratique complet du LLM, du GPT aux modèles Llama et Claude
Ce livre offre une compréhension complète du développement LLM de manière facile à comprendre, avec des guides étape par étape, des bonnes pratiques, des études de cas réelles et des exemples pratiques, permettant même à ceux qui ne connaissent pas le LLM de commencer à développer immédiatement.
De plus, il aborde les aspects pratiques de l'optimisation et du déploiement de LLM sur le terrain, ce qui en fait un guide complet pouvant être utilisé par un large éventail d'utilisateurs, des débutants aux experts.
Cette deuxième édition, enrichie d'un contenu encore plus approfondi, aborde le réglage fin, la comparaison et l'utilisation stratégique des modèles de langage (LLM) open source et propriétaires, le format des données et la configuration des paramètres, l'optimisation de l'intégration, l'ingénierie avancée des invites et l'évaluation des LLM. Elle traite également de sujets de pointe tels que les chatbots RAG, les systèmes de recommandation, le tri par IA basé sur l'apprentissage par renforcement (RLHF/RLAIF) et la création de transformateurs multimodaux. Devenez un expert en IA grâce à cet ouvrage, à la fois une introduction aux LLM et un guide pratique.
- Vous pouvez consulter un aperçu du contenu du livre.
Aperçu
indice
PARTIE 1 Introduction au LLM
CHAPITRE 1 À la découverte du monde du LLM
_1.1 Qu'est-ce qu'un LLM ?
_1.2 Master en droit populaire
1.3 Applications utilisant le LLM
1.4 En conclusion
CHAPITRE 2 Recherche sémantique à l'aide de LLM
2.1 Introduction
Tâche 2.2
2.3 Aperçu de la solution
_2.4 Composants
_2.5 Intégration
2.6 Coût des composants propriétaires
2.7 En conclusion
CHAPITRE 3 La première étape de l'ingénierie rapide
3.1 Introduction
3.2 Ingénierie rapide
_3.3 Utilisation de plusieurs modèles et invites
3.4 En conclusion
CHAPITRE 4 Écosystème de l'IA : Assembler les pièces du puzzle
4.1 Introduction
4.2 Les performances en constante évolution de l'IA à code source fermé
4.3 Inférence en IA vs. Pensée
_4.4 Étude de cas 1 : Génération de recherche augmentée (RAG)
_4.5 Étude de cas 2 : Agent d’IA automatisé
4.6 En conclusion
PARTIE 2 Comment utiliser le LLM
CHAPITRE 5 Optimisation du LLM par réglage fin personnalisé
5.1 Introduction
5.2 Mise au point et apprentissage par transfert : Guide du débutant
5.3 Exploration de l'API de réglage fin d'OpenAI
5.4 Préparation d'exemples personnalisés avec l'interface de ligne de commande OpenAI
5.5 Configuration de l'interface de ligne de commande OpenAI
5.6 Premier LLM de mise au point
5.7 En conclusion
CHAPITRE 6 INGÉNIERIE AVANCÉE DES INSTRUCTIONS
6.1 Introduction
_6.2 Attaque par injection de prompt
6.3 Validation des entrées/sorties
_6.4 Invite de traitement par lots
_6.5 Chaînage rapide
_6.6 Étude de cas : L'IA est-elle performante en mathématiques ?
6.7 En conclusion
CHAPITRE 7 : Personnalisation des plongements et des architectures de modèles
7.1 Introduction
7.2 Étude de cas : Création d’un système de recommandation
7.3 En conclusion
CHAPITRE 8 Tri par IA : Principes fondamentaux
8.1 Introduction
_8.2 À qui et dans quel but sera-t-il aligné ?
8.3 Le tri comme outil d'atténuation des biais
8.4 Principes fondamentaux du tri
_8.5 Intelligence artificielle constitutionnelle : un pas vers l’auto-alignement
8.6 En conclusion
PARTIE 3 : Comment utiliser le LLM avancé
CHAPITRE 9 Au-delà du modèle de base
_9.1 Introduction
9.2 Étude de cas : VQA
9.3 Étude de cas : Apprentissage par renforcement basé sur la rétroaction
_9.4 En conclusion
CHAPITRE 10 Optimisation avancée des logiciels libres pour les programmes LLM
_10.1 Introduction
10.2 Exemple : Classification multi-étiquettes des genres d’animation à l’aide de BERT
_10.3 Exemple : Générer du LaTeX à l’aide de GPT-2
_10.4 Le générateur de réponses intelligent et attrayant pour Sinan : SAWYER
_10.5 En conclusion
CHAPITRE 11 UTILISATION DU LLM DANS UN ENVIRONNEMENT DE PRODUCTION
_11.1 Introduction
_11.2 Déploiement d'un LLM propriétaire dans un environnement de production
_11.3 Déploiement d'un LLM open source dans un environnement de production
11.4 En conclusion
CHAPITRE 12 Évaluation du LLM
_12.1 Introduction
_12.2 Évaluation de la tâche de création
_12.3 Évaluation de la compréhension des tâches
12.4 En conclusion
_12.5 Continuez !
PARTIE 4 ANNEXE
ANNEXE A LLM Foire aux questions (FAQ)
ANNEXE B Glossaire des termes du LLM
ANNEXE C Considérations relatives au développement de la demande de maîtrise en droit
CHAPITRE 1 À la découverte du monde du LLM
_1.1 Qu'est-ce qu'un LLM ?
_1.2 Master en droit populaire
1.3 Applications utilisant le LLM
1.4 En conclusion
CHAPITRE 2 Recherche sémantique à l'aide de LLM
2.1 Introduction
Tâche 2.2
2.3 Aperçu de la solution
_2.4 Composants
_2.5 Intégration
2.6 Coût des composants propriétaires
2.7 En conclusion
CHAPITRE 3 La première étape de l'ingénierie rapide
3.1 Introduction
3.2 Ingénierie rapide
_3.3 Utilisation de plusieurs modèles et invites
3.4 En conclusion
CHAPITRE 4 Écosystème de l'IA : Assembler les pièces du puzzle
4.1 Introduction
4.2 Les performances en constante évolution de l'IA à code source fermé
4.3 Inférence en IA vs. Pensée
_4.4 Étude de cas 1 : Génération de recherche augmentée (RAG)
_4.5 Étude de cas 2 : Agent d’IA automatisé
4.6 En conclusion
PARTIE 2 Comment utiliser le LLM
CHAPITRE 5 Optimisation du LLM par réglage fin personnalisé
5.1 Introduction
5.2 Mise au point et apprentissage par transfert : Guide du débutant
5.3 Exploration de l'API de réglage fin d'OpenAI
5.4 Préparation d'exemples personnalisés avec l'interface de ligne de commande OpenAI
5.5 Configuration de l'interface de ligne de commande OpenAI
5.6 Premier LLM de mise au point
5.7 En conclusion
CHAPITRE 6 INGÉNIERIE AVANCÉE DES INSTRUCTIONS
6.1 Introduction
_6.2 Attaque par injection de prompt
6.3 Validation des entrées/sorties
_6.4 Invite de traitement par lots
_6.5 Chaînage rapide
_6.6 Étude de cas : L'IA est-elle performante en mathématiques ?
6.7 En conclusion
CHAPITRE 7 : Personnalisation des plongements et des architectures de modèles
7.1 Introduction
7.2 Étude de cas : Création d’un système de recommandation
7.3 En conclusion
CHAPITRE 8 Tri par IA : Principes fondamentaux
8.1 Introduction
_8.2 À qui et dans quel but sera-t-il aligné ?
8.3 Le tri comme outil d'atténuation des biais
8.4 Principes fondamentaux du tri
_8.5 Intelligence artificielle constitutionnelle : un pas vers l’auto-alignement
8.6 En conclusion
PARTIE 3 : Comment utiliser le LLM avancé
CHAPITRE 9 Au-delà du modèle de base
_9.1 Introduction
9.2 Étude de cas : VQA
9.3 Étude de cas : Apprentissage par renforcement basé sur la rétroaction
_9.4 En conclusion
CHAPITRE 10 Optimisation avancée des logiciels libres pour les programmes LLM
_10.1 Introduction
10.2 Exemple : Classification multi-étiquettes des genres d’animation à l’aide de BERT
_10.3 Exemple : Générer du LaTeX à l’aide de GPT-2
_10.4 Le générateur de réponses intelligent et attrayant pour Sinan : SAWYER
_10.5 En conclusion
CHAPITRE 11 UTILISATION DU LLM DANS UN ENVIRONNEMENT DE PRODUCTION
_11.1 Introduction
_11.2 Déploiement d'un LLM propriétaire dans un environnement de production
_11.3 Déploiement d'un LLM open source dans un environnement de production
11.4 En conclusion
CHAPITRE 12 Évaluation du LLM
_12.1 Introduction
_12.2 Évaluation de la tâche de création
_12.3 Évaluation de la compréhension des tâches
12.4 En conclusion
_12.5 Continuez !
PARTIE 4 ANNEXE
ANNEXE A LLM Foire aux questions (FAQ)
ANNEXE B Glossaire des termes du LLM
ANNEXE C Considérations relatives au développement de la demande de maîtrise en droit
Image détaillée
Avis de l'éditeur
De retour et plus fort que jamais ! L'édition révisée du guide complet du LLM
Des agents IA aux chatbots RAG, en passant par les cas Grok et Devin !
« LLM pratique, simple et rapide » est de retour, mis à jour pour intégrer les dernières tendances et technologies en IA ! Les LLM étant désormais un outil essentiel dans de nombreux secteurs, ce livre offre un guide pratique aux débutants, expliquant clairement les concepts et les méthodes d’application, pour une mise en œuvre immédiate en milieu professionnel.
Cette deuxième édition propose un guide étape par étape du développement LLM, des bases à l'optimisation et au déploiement, et explore le réglage fin, l'intégration de l'optimisation et l'ingénierie rapide pour suivre les dernières tendances.
De plus, il enrichit la compréhension du sujet grâce à des études de cas sur les chatbots RAG et les agents d'IA, ainsi que des exemples récents de Grok, Devin et d'autres. Si vous envisagez de développer des services à partir de votre LLM ou si vous souhaitez vous informer sur les dernières tendances et applications pratiques de l'IA, ce livre est un excellent choix.
Exploitez pleinement le potentiel de votre LLM grâce aux connaissances approfondies et aux conseils pratiques de ce livre !
Contenu principal
● Concepts clés du LLM tels que la pré-formation, le réglage fin et l'attention
● Personnalisation et optimisation de LLM à l'aide d'API et de Python
● Création de chatbots RAG et d'agents IA
● Ingénierie avancée des incitations, incluant la pensée en chaîne et les incitations à quelques exemples basées sur le sens
Développement d'un système intégré de personnalisation et de recommandation utilisant les données utilisateur.
Construction d'un modèle d'IA multimodal utilisant LLM open-source et des ensembles de données visuelles à grande échelle.
● Alignement LLM et optimisation de l'IA conversationnelle via RLHF/RLAIF
● Optimisation des performances grâce à la quantification, l'analyse comparative et les cadres d'évaluation
Des agents IA aux chatbots RAG, en passant par les cas Grok et Devin !
« LLM pratique, simple et rapide » est de retour, mis à jour pour intégrer les dernières tendances et technologies en IA ! Les LLM étant désormais un outil essentiel dans de nombreux secteurs, ce livre offre un guide pratique aux débutants, expliquant clairement les concepts et les méthodes d’application, pour une mise en œuvre immédiate en milieu professionnel.
Cette deuxième édition propose un guide étape par étape du développement LLM, des bases à l'optimisation et au déploiement, et explore le réglage fin, l'intégration de l'optimisation et l'ingénierie rapide pour suivre les dernières tendances.
De plus, il enrichit la compréhension du sujet grâce à des études de cas sur les chatbots RAG et les agents d'IA, ainsi que des exemples récents de Grok, Devin et d'autres. Si vous envisagez de développer des services à partir de votre LLM ou si vous souhaitez vous informer sur les dernières tendances et applications pratiques de l'IA, ce livre est un excellent choix.
Exploitez pleinement le potentiel de votre LLM grâce aux connaissances approfondies et aux conseils pratiques de ce livre !
Contenu principal
● Concepts clés du LLM tels que la pré-formation, le réglage fin et l'attention
● Personnalisation et optimisation de LLM à l'aide d'API et de Python
● Création de chatbots RAG et d'agents IA
● Ingénierie avancée des incitations, incluant la pensée en chaîne et les incitations à quelques exemples basées sur le sens
Développement d'un système intégré de personnalisation et de recommandation utilisant les données utilisateur.
Construction d'un modèle d'IA multimodal utilisant LLM open-source et des ensembles de données visuelles à grande échelle.
● Alignement LLM et optimisation de l'IA conversationnelle via RLHF/RLAIF
● Optimisation des performances grâce à la quantification, l'analyse comparative et les cadres d'évaluation
SPÉCIFICATIONS DES PRODUITS
- Date d'émission : 31 mars 2025
Nombre de pages, poids, dimensions : 428 pages | 768 g | 183 × 235 × 19 mm
- ISBN13 : 9791169213653
- ISBN10 : 1169213650
Vous aimerez peut-être aussi
카테고리
Langue coréenne
Langue coréenne
![GQ KOREA Mark (Mensuel) : décembre [2025]](http://librairie.coreenne.fr/cdn/shop/files/8ef265dbbfbf186523ed75ba7319009d.jpg?v=1765340328&width=3840)
