{itemname}
{itemname}
香港二樓書店 > 今日好書推介
愛的69種玩法(I、II雙重魅惑夾鏈袋限量版)
定價227.00元
8
折優惠:
HK$181.6
●二樓推薦
●文學小說
●商業理財
●藝術設計
●人文史地
●社會科學
●自然科普
●心理勵志
●醫療保健
●飲 食
●生活風格
●旅 遊
●宗教命理
●親子教養
●少年讀物
●輕 小 說
●漫 畫
●語言學習
●考試用書
●電腦資訊
●專業書籍
LLM語意理解與生成技術完全開發
沒有庫存
訂購需時10-14天
9786264251563
Jay Alammar,Maarten Grootendorst
楊新章
歐萊禮
2025年9月19日
327.00 元
HK$ 277.95
詳
細
資
料
ISBN:9786264251563
規格:平裝 / 432頁 / 18.5 x 23 x 2 cm / 普通級 / 全彩印刷 / 初版
出版地:台灣
分
類
電腦資訊
>
概論/科技趨勢
>
人工智慧/機器學習
同
類
書
推
薦
理論到實作都一清二楚:機器學習原理深究
理論到實作都一清二楚:機器學習原理深究
Tensorflow接班王者:Google JAX深度學習又快又強大
凡人也能懂的白話人工智慧演算法
30分鐘就讀懂:機器學習從數學開始(第二版)
內
容
簡
介
AI 語言技術的進步,正以前所未有的速度改變世界!?
「Jay和Maarten一如既往地運用精美的插圖為複雜主題提供深具洞察的描述。對於任何想了解大型語言模型背後主要技術的人來說,這本書都是寶貴的資源。」 —Andrew Ng(吳恩達),DeepLearning.AI 創辦人?
「我想不出有哪本書比這本書更重要,值得現在就去閱讀。書中的每一頁,我都學到在這個語言模型時代,對於成功至關重要的知識。」 —Josh Starmer,StatQuest?
想深入了解大型語言模型的奧秘,並將其應用於實際專案中??
《Hands-On Large Language Models》正是為你量身打造的指南!?
由知名AI專家Jay Alammar和Maarten Grootendorst執筆,透過近300幅精美圖解,帶你輕鬆掌握LLM的核心概念和實踐技巧。?
無論是文案撰寫、摘要生成,還是建立先進的語義搜尋系統,本書都提供了詳盡的步驟和範例,助你在AI領域中脫穎而出。快讓《Hands-On Large Language Models》開啟你的 AI 進階之旅!?
近年來,AI在語言處理領域取得了驚人的突破。隨著深度學習的快速發展,語言AI系統在文字寫作與理解方面的能力,比以往任何時候都更加出色。這一趨勢正在催生全新的功能、產品,甚至是全新的產業。透過本書視覺化的教學方式,你將學習如何運用這些強大技術,掌握實用工具與關鍵概念,並能立即應用於你的專案中!?
你將學會如何運用預訓練的 LLM 進行文案撰寫與摘要生成;打造超越傳統關鍵字匹配技術的語義搜尋系統;運用現有的函式庫和預訓練模型,來進行文本分類、搜尋與聚類。?
本書將助你深入理解:?
• Transformer語言模型的架構,掌握文本生成與語意表達的核心技術。?
• 構建高效的LLM流程,對文本資料進行聚類並探索其主題。?
• 透過密集檢索(dense retrieval)與重新排名(reranking),構建超越關鍵字匹配的語義搜尋引擎。?
• 從提示工程(prompt engineering)到檢索擴增生成(RAG),探索生成式AI的各種運用方式。?
• 深入學習如何訓練 LLM,針對特定應用進行優化,包括生成式微調(generative fine-tuning)、對比微調(contrastive fine-tuning)與上下文學習(in-context learning)。?
• 透過生成式模型微調(Generative Model Fine-tuning)、對比式微調(Contrastive Fine-tuning)以及情境學習(In-context Learning),更深入地了解如何訓練LLM,並針對特定應用進行最佳化。
?
目
錄
【第一部分 理解語言模型】?
第一章 大型語言模型簡介?
什麼是語言人工智慧??
語言人工智慧的近期歷史?
大型語言模型的定義演變?
大型語言模型的訓練範式?
大型語言模型應用:為何如此實用??
負責任的LLM 開發與使用?
有限資源,同樣精彩?
與大型語言模型互動?
生成您的第一段文本?
第二章 詞元與嵌入?
LLM 的分詞過程?
詞元嵌入?
文本嵌入(針對句子和整個文件)?
超越 LLM 的字嵌入應用?
嵌入在推薦系統中的應用?
第三章 深入探索大型語言模型?
Transformer 模型概述?
近期改進的 Transformer 架構?
【第二部分 使用預訓練語言模型】?
第四章 文本分類?
電影評論的情感分析?
使用表達型模型進行文本分類?
模型選擇?
使用任務特定模型?
利用嵌入的分類任務?
使用生成型模型進行文本分類?
第五章 文本分群與主題建模?
使用 ArXiv 論文:計算與語言領域?
文本分群的一般流程?
從文本分群到主題建模?
第六章 提示工程?
使用文本生成模型?
提示工程入門?
進階提示工程?
使用生成模型以推理?
輸出驗證?
第七章 進階文本生成技術與工具?
模型輸入與輸出:使用 LangChain 載入量化模型?
鏈接:擴展 LLM 的能力?
記憶:幫助 LLM 記住對話?
代理:建立 LLM 系統?
第八章 語意搜尋與檢索擴增生成?
語意搜尋與 RAG 概述?
以語言模型進行語意搜尋?
檢索擴增生成(RAG)?
第九章 多模態大型語言模型?
用於視覺的 Transformer?
多模態嵌入模型?
使文本生成模型具備多模態能力?
【第三部分 語言模型的訓練與微調】?
第十章 建立文本嵌入模型?
嵌入模型?
什麼是對比學習??
SBERT?
建立嵌入模型?
微調嵌入模型?
非監督式學習?
第十一章 微調表達型模型以分類?
監督式分類?
少樣本分類?
使用遮罩語言建模進行持續預訓練?
命名實體識別?
第十二章 微調生成模型?
三個 LLM 訓練步驟:預訓練、監督式微調和偏好微調?
監督式微調(SFT)?
使用 QLoRA 進行指令微調?
評估生成模型?
偏好調整�對齊�RLHF?
使用獎勵模型自動化偏好評估?
使用 DPO 進行偏好微調?
後記?
?
書
評
其 他 著 作