華通書坊
註冊 登入
 精準搜尋
書名: GPT語言模型大揭密：OpenAI API應用全攻略，打造頂尖NLP產品 (1版)
作者: Sandra Kublik, Shubham Saboo
譯者: 人工智慧小組(GPT, 博碩編輯室)
版次: 1
ISBN: 9786263334618
出版社: 博碩
出版日期: 2023/05
書籍開數、尺寸: 17x23x1.49
頁數: 192
內文印刷顏色: 單色
#資訊
#資訊科學與資訊系統
定價: 600元
售價: 510元
庫存: 已售完
LINE US! 詢問這本書 團購優惠、書籍資訊 等
此書籍已售完，調書籍需2-5工作日。建議與有庫存書籍分開下單

GPT語言模型大揭密：OpenAI API應用全攻略，打造頂尖NLP產品 (1版)

定價: 600 售價: 510 現省: 90

付款方式: 超商取貨付款 line pay
信用卡 全支付
線上轉帳 Apple pay
物流方式: 超商取貨
宅配
門市自取

詳細資訊

【簡介】 👍本書特色 2022年11月，一個震撼全球的AI軟體ChatGPT面世，造成白領階級的大恐慌，因為實際試過ChatGPT的人都知道，這次AI的大躍進可能會讓自己的工作不保。例如這本書的翻譯主要就是由ChatGPT完成的，出版社再針對翻譯內容進行勘誤審校，確實發現ChatGPT的翻譯能力屬於優良等級。 ChatGPT是由OpenAI開發的GPT應用之一，是一種大型語言模型，參數量從第一代到第三代成長了1000倍，在微軟投入大量資金後，GPT-3.5的參數量達到2000億個，GPT-4也隨之而來，並持續在發展中。Google及其他大廠也都緊急增加投入AI領域的資源。在可預期的未來，AI軍備大戰不可避免。GPT確實讓內容產生者（包含程式設計師）產生了極大的恐慌。但恐慌是沒有用的，一個工具的誕生必須接受它，並且利用它來提升自己的效率才是王道。 因著ChatGPT的推出，現在要想建置人工智慧應用程式比以往任何時候都更加容易。本書將向你展示如何輕鬆入門OpenAI API，介紹如何以創新方式利用這個工具來滿足你的使用案例，探討建立於GPT-3之上的成功新創公司以及將它應用在產品領域的企業，並檢視其發展中的問題和潛在未來趨勢。 書籍第一部分涵蓋了OpenAI API的基礎知識；第二部分探索了環繞GPT-3自然演化而成的豐富生態系統。 第1章_介紹了輕鬆進入這些主題的必要背景和基本定義。 第2章_深入研究API，將其分解為最關鍵的元素，例如引擎和端點，描述它們的目的和最佳實踐，讓讀者得以在更深層次上與它們互動。 第3章_提供一個簡單而有趣的例子，可作為你第一個由GPT-3驅動的應用程式。 第4章_則採訪一些最成功的GPT-3產品和應用程式創辦人，聽取他們在商業規模互動模型方面的挑戰和經驗分享。 第5章_探討企業如何看待GPT-3及其廣泛採用的潛力。 第6章_討論更廣泛採用所帶來的問題，例如誤用和偏見，並說明如何解決這些問題。 最後一個章節_則更進一步探索最令人興奮的未來趨勢和可能性。 ｜來劃重點｜ ★ 對API不再一知半解，拆解Playground的組成元件工作方式給你看 ★ 手把手教你如何在Python、Go、Java語言中使用OpenAI API ★ 看看Fable Studio、Viable、Quickchat、Copysmith、Stenography怎麼搞創作、做客服、聊天機器人、玩行銷、寫程式 ★ GitHub Copilot、Microsoft和Algolia的高階經理人親上火線說明他們如何大規模使用GPT-3 👍本書對象 如果你是以下這些對象，這本書將對你有所幫助： ☛ 想要學習AI技能的資料專家 ☛ 想要在AI領域打造下一個重要產品的企業家 ☛ 希望提升AI知識並將其應用於推動關鍵決策的企業領袖 ☛ 希望利用GPT-3的語言能力進行創意用途的作家、播客、社群媒體管理員或其他以語言為基礎的創作者 ☛ 擁有任何基於人工智慧的好點子、一度被認為在技術上不可能實現或成本過高的人 本書針對不同族群，提供了適合的AI知識和應用案例，是一本實用性和啟發性兼備的完整指南，對想要掌握AI技能或應用AI技術於工作和創作的人都將有極大助益！ 👍專業推薦 ♕ 本書獲AI領域知名新創企業創辦人及研究學者大力推薦！ ♕ 「對於想了解GPT-3語言模型及如何在OpenAI API上開發應用程式的從業人員和開發人員而言，這本書是完美的起點。」 —Peter Welinder，OpenAI產品和合作夥伴關係副總裁 「這本書立刻就能吸引人的原因在於，不同技術背景的人都能閱讀此書並使用AI人工智慧創造出世界級的解決方案。」 —Noah Gift，杜克大學駐校執行長，Pragmatic AI實驗室創辦人 「如果你想使用GPT-3或任何大型語言模型來建構應用程式或服務，本書擁有你所需的一切。本書深入探討了GPT-3，其使用案例將幫助你將這些知識應用於你的產品上。」 ——Daniel Erickson，Viable創辦人兼首席執行長 「作者們在提供GPT-3技術和社會影響方面有出色的工作表現。閱讀此書後，你會對於人工智慧領域的最新進展充滿信心。」 —Bram Adams，Stenography創辦人 「這本書非常適合初學者！它甚至還包含了一些迷因，並包括了一個非常必要的人工智慧和道德章節，但其真正的優勢在於使用GPT-3的逐步程式。」 —Ricardo Joseh Lima，里約熱內盧州立大學語言學教授 「這本書全面深入探討了自然語言處理當中的一個關鍵生成模型，並著重於實際介紹如何使用OpenAI API並將其整合到自己的應用程式中。除了技術價值外，我認為特別深刻的是最後一章中提供的視角，包括偏見、隱私以及在AI民主化中的角色。」 —Raul Ramos-Pollan，哥倫比亞麥德林安地奧基亞大學的人工智慧教授 【目錄】 [第1章] 大型語言模型革命 　　　　自然語言處理幕後探祕 　　　　語言模型變得愈來愈大、愈來愈好 　　　　生成式預訓練變換模型：GPT-3 　　　　Transformer 注意力機制 　　　　GPT-3：簡史 　　　　使用OpenAI API [第2章] 開始使用OpenAI API 　　　　OpenAI Playground 　　　　提示工程和設計 　　　　分解OpenAI API 　　　　執行引擎 　　　　端點 　　　　嵌入 　　　　自定義GPT-3 　　　　token 　　　　定價 　　　　GPT-3 在標準自然語言處理任務上的表現 　　　　命名實體辨識 　　　　文本摘要 　　　　文本生成 　　　　文章生成 　　　　社群媒體貼文生成 　　　　結論 [第3章] GPT-3 和程式設計 　　　　如何在Python 中使用OpenAI API ？ 　　　　如何在Go 語言中使用OpenAI API ？ 　　　　如何在Java 中使用OpenAI API ？ 　　　　由Streamlit 驅動的GPT-3 沙箱 　　　　結論 [第4章] GPT-3作為下一代新創企業的賦能者 　　　　模型即服務 　　　　探究新創公司環境：案例研究 　　　　一名投資者對GPT-3 新創生態系統的展望 　　　　結論 [第5章] GPT-3成為企業創新的下一步 　　　　案例研究：GitHub Copilot 　　　　案例研究：Algolia Answers 　　　　案例研究：Microsoft 的Azure OpenAI 服務 　　　　結論 [第6章] GPT-3：優點、 缺點和醜聞 　　　　解決人工智慧偏見問題 　　　　反偏見對策 　　　　低品質內容和錯誤訊息的傳播 　　　　大型語言模型的綠色足跡 　　　　謹慎前進 　　　　結論 結論：讓AI可民主化存取 　　　　沒有程式碼？沒有問題！ 　　　　存取和模型即服務 　　　　結語

為您推薦

全面掌握生成式AI與LLM開發實務：NLP×PyTorch×GPT輕鬆打造專屬的大型語言模型 (1版)

全面掌握生成式AI與LLM開發實務：NLP×PyTorch×GPT輕鬆打造專屬的大型語言模型 (1版)

類似書籍推薦給您

原價: 620 售價: 558 現省: 62元
立即查看
跟 NVIDIA 學深度學習！從基本神經網路到 CNN‧RNN‧LSTM‧seq2seq‧Transformer‧GPT‧BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎 (1版)

跟 NVIDIA 學深度學習！從基本神經網路到 CNN‧RNN‧LSTM‧seq2seq‧Transformer‧GPT‧BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎 (1版)

類似書籍推薦給您

內容介紹 ▍AI 界扛霸子 NVIDIA 的深度學習 (Deep Learning) 指定教材！ ▍GPT、Transformer、seq2seq、self-attention 機制...大型語言模型 (LLM) 背後的先進技術「硬派」揭密！ 近年來，在 NVIDIA (輝達) GPU、CUDA 技術的推波助瀾下，深度學習 (Deep Learning) 領域有著爆炸性的成長，例如最為人知的 ChatGPT 正是運用深度學習技術開發出來的當紅應用。 【★學深度學習，跟 AI 重要推手 - NVIDIA 學最到位！】 除了硬體上的助益外，為了幫助眾多初學者快速上手深度學習，任職於 NVIDIA 的本書作者 Magnus Ekman 凝聚了他多年來在 NVIDIA 所積累的 AI 知識撰寫了本書。除了介紹深度學習基礎知識外，也包括此領域的最新重要進展。本書同時也是 NVIDIA 的教育和培訓部門 -【深度學習機構 (Deep Learning Institute, DLI)】 指定的培訓教材 (https://www.nvidia.com/zh-tw/training/books/)。 要學深度學習，跟深度學習的重要推手 NVIDIA 學就對了！眾多紮實的內容保證讓你受益滿滿！ 【★機器視覺、生成式 AI 語言模型 100% 從零開始打造！】 在深度學習的教學上，本書將從神經網路的底層知識 (梯度下降、反向傳播...) 介紹起，帶你打好深度學習的底子。接著會介紹用 Colab 雲端開發環境 + tf.Keras 建構、調校多層神經網路，以及經典的 CNN (卷積神經網路) 圖形辨識模型建構...等機器視覺主題。最後則邁入自然語言處理 (NLP) 領域，在介紹完基本的 RNN / LSTM 知識後，以先進的 Transformer、GPT...語言模型架構做結。 尤其自從 ChatGPT 爆紅之後，自然語言處理 (NLP) 一直是深度學習的熱門研究話題，而這部分正是本書最精彩之處！ RNN / LSTM 神經網路雖然問世已有一段時間，現今一些先進的 NLP 模型或許不會用它們來建構，但由它們衍生出來的 hidden state (隱藏狀態) 概念可說是重中之重，我們會帶你好好熟悉，以便能跟後續章節順利銜接上。 之後則會利用各種神經網路技術帶你實作【多國語言翻譯模型】、【Auto-Complete 文字自動完成模型】...等範例。從處理原始文字訓練資料 → 切割資料集 → 建構模型 → 模型調校、優化，從頭到尾示範一遍，帶你紮穩大型語言模型 (LLM) 的建模基礎。 令小編最印象深刻的是，本書所設計的 NLP 章節內容可說是「環環相扣」，從 RNN / LSTM 章節初次觸及 NLP 模型開始，次一章的模型架構幾乎都是為了解決前一章模型的特定問題而生的。這種層層舖墊的獨到方式能讓你深刻理解 RNN / LSTM / seq2seq / encoder-decoder / attention / self-attention 機制...等技術的發展脈絡，對於看懂 Transformer、GPT 等最先進的神經網路技術有莫大的幫助，這絕對是其他書看不到的精彩內容！ 本書特色 □【徹底看懂 ChatGPT 背後核心技術 - GPT 的模型架構】 GPT、Transformer、encoder-decoder、seq2seq、self-attention 機制、attention 機制、query-key-value 機制、Multi-head、位置編碼 (positional encoding)、預訓練 (pre-train)、微調 (fine-tune)...各種建模技術輕鬆搞懂！ □【生成式 AI 語言模型 100% 從零開始打造！】 ‧用 Colab + tf.Keras 實作多國語言翻譯模型、Auto-Complete 文字自動完成模型 ‧從處理原始文字訓練資料 → 切割資料集 → 建構模型 → 模型調校、優化，從頭到尾示範一遍，帶你紮穩大型語言模型 (LLM) 的建模基礎 □【深度學習基礎知識學好學滿】 ‧紮穩根基！不被損失函數 / 梯度下降 / 反向傳播 / 正規化 / 常規化…一拖拉庫技術名詞搞的暈頭轉向！ ‧深度神經網路基礎 / CNN / RNN / LSTM...概念詳解。 ‧多模態學習 (multimodal learning)、多任務學習 (multitask learning)、自動化模型架構搜尋...熱門主題介紹。 □詳細解說, 流暢翻譯 本書由【施威銘研究室】監修, 書中針對原書進行大量補充, 並適當添加註解, 幫助讀者更加理解內容！ 書籍目錄 Ch01 從感知器看神經網路的底層知識 1-1 最早的人工神經元 - Rosenblatt 感知器 1-2 增加感知器模型的能力 1-3 用線性代數實現神經網路模型 Ch02 梯度下降法與反向傳播 2-1 導數的基礎概念 2-2 以梯度下降法 (gradient descent) 對模型訓練問題求解 2-3 反向傳播 (back propagation) Ch03 多層神經網路的建立與調校 3-1 動手實作：建立辨識手寫數字的多層神經網路 3-2 改善神經網路的訓練成效 3-3 實驗：調整神經網路與學習參數 Ch04 用卷積神經網路 (CNN) 進行圖片辨識 4-1 卷積神經網路 (CNN) 4-2 實作：以卷積神經網路做圖片分類 4-3 更深層的 CNN 與預訓練模型 Ch05 用循環神經網路 (RNN、LSTM...) 處理序列資料 5-1 RNN 的基本概念 5-2 RNN 範例：預測書店銷售額 5-3 LSTM (長短期記憶神經網路) 5-4 LSTM 範例：文字的 Auto-Complete 機制 Ch06 自然語言處理的重要前置工作：建立詞向量空間 6-1 詞向量空間的基本知識 6-2 做法(一)：在神經網路建模過程中「順便」生成詞向量空間 6-3 做法(二)：以 word2vec、GloVe 專用演算法生成詞向量空間 Ch07 用機器翻譯模型熟悉 seq2seq 架構 7-1 機器翻譯模型的基本知識 7-2 機器翻譯的範例實作 7-2-1 tf.Keras 函數式 API 簡介 7-2-2 建構模型前的工作 7-2-3 建構模型 7-2-4 訓練及測試模型 7-2-5 實驗結果 Ch08 認識 attention 與 self-attention 機制 8-1 熟悉 attention 機制 8-2 認識 self-attention 機制 8-2-1 self-attention 的基本概念 8-2-2 self-attention 機制的算法 8-2-3 multi-head (多頭) 的 self-attention 機制 Ch09 Transformer、GPT 及其他衍生模型架構 9-1 Transformer 架構 9-1-1 編碼器端的架構 9-1-2 解碼器端的架構 9-1-3 Transformer 內的其他設計 9-1-4 小編補充：觀摩 keras 官網上的 Transformer 範例 9-2 Transformer 架構的衍生模型：GPT、BERT 9-2-1 認識 GPT 模型 9-2-2 認識 BERT 模型 9-2-3 其他從 Transformer 衍生出的模型 附錄 A 延伸學習 (一)：多模態、多任務...等模型建構相關主題 附錄 B 延伸學習 (二)：自動化模型架構搜尋 附錄 C 延伸學習 (三)：後續學習方向建議 附錄 D 使用 Google 的 Colab 雲端開發環境

原價: 880 售價: 792 現省: 88元
立即查看
GPT就是這麼來的：最新自然語言處理技術詳解 (1版)

GPT就是這麼來的：最新自然語言處理技術詳解 (1版)

類似書籍推薦給您

內容簡介 　　● NLP專用Python開發環境架設 　　● 自然語言處理的發展歷程 　　● 無監督學習的原理與應用及實作 　　● Pretraing的完整實作 　　● 文字分類、機器閱讀理解、命名實體辨識 　　● ChatGPT的原理 - 文字生成 　　● 損失函式與模型瘦身 　　大型語言模型已經成為現代AI的範式，不管是ChatGPT或是llama、Falcon等，這個新興學科是人工智慧時代最熱門的話題，沒有一個有志於AI的人可以忽略這個趨勢。而大型語言模型的基礎，當然就是自然語言處理（Natural Language Processing，簡稱NLP）。自然語言處理主要工作包括了語言理解、語言生成、機器翻譯、語音識別等。目前見的應用非常多，包括了自動化客服、垃圾郵件檢測、社交媒體情感分析、醫療記錄分析、金融預測和新聞摘要等。 　　總結來說，自然語言處理是一個動態且充滿潛力的領域，它正在不斷改變我們與計算機和數字訊息互動的方式。隨著技術的不斷發展，我們可以期待在更多領域看到 NLP 的創新應用，同時也需要持續關注與其發展相關的倫理和社會問題。本書最重要目的就是將你帶入這個行業，如果你是程式設計師，網頁設計師，又或者是App的開發者，如果不想被人工智慧搶掉工作，加入是最好的選擇。 目錄 第1 章 導論 1.1 基於深度學習的自然語言處理 1.2 本書章節脈絡 1.3 自然語言處理演算法流程 1.4 小結 第2 章 Python 開發環境配置 2.1 Linux 伺服器 2.2 Python 虛擬環境 2.3 PyCharm 遠端連接伺服器 2.4 screen 任務管理 2.5 Docker 技術 2.6 小結 第3 章 自然語言處理的發展處理程序 3.1 人工規則與自然語言處理 3.2 機器學習與自熱語言處理 3.3 深度學習與自然語言處理 3.4 小結 第4 章 無監督學習的原理與應用 4.1 淺層無監督預訓練模型 4.2 深層無監督預訓練模型 4.3 其他預訓練模型 4.4 自然語言處理四大下游任務 4.5 小結 第5 章 無監督學習進階 5.1 生成式對抗網路 5.2 元學習 5.3 小結 第6 章 預訓練 6.1 賽題任務 6.2 環境架設 6.3 程式框架 6.4 資料分析實踐 6.5 小結 第7 章 文字分類 7.1 資料分析 7.2 環境架設 7.3 程式框架 7.4 文字分類實踐 7.5 小結 第8 章 機器閱讀理解 8.1 機器閱讀理解的定義 8.2 評測方法 8.3 研究方法 8.4 經典結構 8.5 多文件機器閱讀理解實踐 8.6 小結 第9 章 命名實體辨識 9.1 NER 技術的發展現狀 9.2 命名實體辨識的定義 9.3 命名實體辨識模型 9.4 命名實體辨識實驗 9.5 小結 第10 章 文字生成 10.1 文字生成的發展現狀 10.2 基於預訓練模型的文字生成模型 10.3 文字生成任務實踐 10.4 小結 第11 章 損失函式與模型瘦身 11.1 損失函式 11.2 常用的損失函式 11.3 損失函式的進階 11.4 模型瘦身 11.5 小結

原價: 720 售價: 648 現省: 72元
立即查看
AI啟蒙時代：傳奇創投家霍夫曼與GPT-4的AI探索對話，放大人類潛力，看見新機會 (1版)

AI啟蒙時代：傳奇創投家霍夫曼與GPT-4的AI探索對話，放大人類潛力，看見新機會 (1版)

類似書籍推薦給您

【簡介】 未來十年，AI會像今日的手機， 以想像不到的方式擴增人類能力，成為不可或缺的存在 在新時代的起點，我們如何開始探索AI的各種可能性？ 矽谷傳奇創投霍夫曼親身示範，當人類智慧與人工智慧展開對話 會開啟什麼樣的未來？ 　　•《華爾街日報》暢銷書 　　•台灣大哥大總經理 / AppWorks 董事長暨合夥人 林之晨 重磅力推 　　突破性科技的出現，一開始總是充滿未知，在我們亟需方向感的此刻，這本書就是探索AI的最佳嚮導，透過與GPT-4的對話，帶我們理解AI是什麼、能做到哪些事、又會如何改變我們的生活。對於還不熟悉AI的人，這本書是開始認識的起點；害怕工作受衝擊的人，可以找到提升能力的下手處；關心趨勢的人，則可以透過科技先驅的解讀，開啟全新的思考。 　　第一本與GPT對話互動、共同創作的未來指南 　　即使是在矽谷，霍夫曼都是走在趨勢尖端、企業家搶著求教的關鍵人物，他不只共同創辦LinkedIn，更協助多家新創公司從車庫成長到十億美元級企業。身為OpenAI初始創辦人之一、Inflection AI共同創辦人，霍夫曼擁有最前線視角，得以最快接觸到最新AI發展。在與大型語言模型的互動過程中，霍夫曼意識到AI技術已來到關鍵引爆點，他決定與GPT-4一起寫書，針對知識學習、商業轉型、藝術創作、公平正義、新聞媒體等重要領域，討論AI將如何形塑人類的未來。在與GPT-4的一問一答之間，霍夫曼描繪出一個人人都能靠AI大幅擴增知識與能力的新世界。 　　清楚了解潛在威脅，但把眼光放在可能創造的正向影響 　　隨著AI不斷進化，我們熟悉的做事方法、無數產業的獲利模式，都在一一被顛覆。陌生科技總會引發焦慮與抗拒，也的確會帶來許多問題，但霍夫曼認為，輕忽AI，就像在1990年代錯過網路，在2007年小看智慧手機。科技會帶來破壞，也會創造機會。AI將成為創造新工作與新商機的主要驅動力，而愈早開始使用AI的人，會得到愈豐厚的回報。不管你身處哪些領域，現在就開始在專業上使用AI，幫自己從「離終點更近」的地方開始努力。 　　人類不會被AI取代，反而會掌握這項工具，讓自己更強大 　　霍夫曼認為，人類最與眾不同之處，就在使用工具的能力，我們不只是擅長思考的「智人」，更是善於開發工具提升效能的「技人」，而AI正是能協助人類升級的新工具。你將在本書中學到： 　　-把AI當大學助理，不是先知。AI強在即時協助，但它的回答需要你的最終判斷。 　　-你是導演，不是木匠。使用AI沒有既定流程，更像在導一場戲，需要嘗試各種版本。 　　-去試就對了！用AI的犯錯成本很低，不喜歡答案，再換個問題就行。 　　-未來世代最實用的能力，是提出更好問題、學AI無法訓練的見解，以及執行力。 　　-「問一題，就會想再問十題」，AI的延伸性可以助企業提供更個人化的服務。 　　-AI的「幻覺」，其實也是一種「想像力」。除了事實性資訊，AI也可以助你發想靈感。  【目錄】 前  言 啟蒙時刻 第一章 教育改革 第二章 創意與想像力 第三章 公平與正義 第四章 新聞的未來 第五章 社群媒體 第六章 職涯轉型 第七章 更聰明地工作 第八章 會產生幻覺的機器 第九章 穿越時空的對談 第十章 從智人到技人 結  語 在21世紀的十字路口 謝辭 參考來源  

原價: 500 售價: 425 現省: 75元
立即查看
運用GPT-4與ChatGPT開發App: 智慧聊天機器人與內容生成工具開發指南 (1版)

運用GPT-4與ChatGPT開發App: 智慧聊天機器人與內容生成工具開發指南 (1版)

類似書籍推薦給您

【簡介】 　　AI正在改變開發世界，準備好加入這場革新了嗎？ 　　本書帶你掌握ChatGPT與LLM的強大功能，從文字生成、智慧問答到提示工程、模型微調。 　　用Python就能讓AI成為你最棒的開發夥伴！ 　　本書提供： 　　從零開始：快速理解 LLM 原理，掌握 ChatGPT 應用開發核心技術 　　實戰導向：使用 OpenAI API，打造各種 AI 功能，包括智能助理與問答系統 　　進階技巧：提示工程、RAG、LangChain、LlamaIndex，優化AI效能 　　完整範例：GitHub 程式碼+逐步指引，動手實作 AI 應用 　　不論你是開發者、數據工程師，還是 AI 愛好者，本書都是你進入AI應用開發領域的最佳幫手！ 　　這本書是Python開發者的理想指南，可為學習如何使用大型語言模型來開發應用程式提供協助。作者Olivier Caelen和Marie-Alice Blete詳細介紹了GPT-4和GPT-3.5模型的主要功能與優勢，並深入解釋這些模型的運作原理。此外，書中還提供了使用OpenAI的Python函式庫進行應用程式開發的步驟指南，包括文本生成、問答系統和智慧助裡等應用。 　　本書以清晰易懂的敘述方式撰寫，搭配簡單易學的範例，幫助讀者理解概念並將其應用於實際專案。書中提供的Python程式碼範例皆可在GitHub上取得，並附有關鍵術語的詞彙表。準備好在應用程式中釋放大型語言模型的威力了嗎？這本書是您的必備之選！ 　　您將於本書中學習到： 　　．GPT-4與GPT-3.5模型的基本概念、核心特性與運作方式。 　　．如何將這些模型整合至基於Python的應用程式中，並充分發揮自然語言處理能力，解決LLM相關的挑戰。 　　．在Python中使用OpenAI API進行文本生成、問答、內容摘要、分類等實作應用。 　　．進階的LLM主題，如提示工程、特定任務的模型微調、檢索強化生成（RAG）、插件、LangChain、LlamaIndex、GPTs和智慧助理。 好評推薦 　　來自Amazon讀者的好評 　　「這本書是LLM新手的理想入門書，簡單易懂的 Python範例，幫助我輕鬆學會在應用程式中運用GPT技術。」 　　「書中提供很多實用的OpenAI API使用建議，並包含清晰的範例和經驗分享。讓我節省了大量搜尋和試錯的時間，是學習GPT開發的絕佳資源。」 　　來自業界專家的推薦 　　「透過實用範例與逐步指南，作者為前沿應用開發鋪設了清晰的道路。」 ——Tom Taulli，《Generative AI》（Apress）作者 　　「完美結合理論與實作，讓GPT-4和ChatGPT的技術細節變得易於理解。」 ——Lucas Soares，Biometrid機器學習工程師  【目錄】 第一章 GPT-4 與 ChatGPT 的基礎知識 LLM（大語言模型）簡介 簡史：從 GPT-1 到 GPT-4 LLM 的使用情境和產品範例 謹防 AI 幻覺：限制和考量 透過進階功能釋放 GPT 潛力 第二章 深入探討 OpenAI API 基本概念 用 OpenAI Playground 來試玩 GPT 模型 入門：OpenAI Python 函式庫 使用聊天補全模型 使用其他文字補全模型 各方面的考量 其他的 OpenAI API 和功能 第三章 可支援 LLM 的應用程式：能力和挑戰 App 開發概要說明 軟體架構設計原則 把 LLM 的各種能力整合到你的專案中 範例專案 成本管理 支援 LLM 的 App 各種可能的漏洞 使用外部 API 第四章 OpenAI 的進階 LLM 整合策略 提示工程 微調 RAG（檢索增強生成） 在不同策略之間進行選擇 從標準的應用程式，到支援 LLM 的解決方案 第五章 利用框架、外掛等方式來提升 LLM 的能力 LangChain 框架 LlamaIndex 框架 GPT-4 外掛 GPT Assistant API 第六章 全部整合起來 重點回顧 全部整合起來：AI 助理的使用情境 所學習到的經驗教訓 關鍵術語詞彙表 附錄A 工具、函式庫與框架 索引

原價: 680 售價: 578 現省: 102元
立即查看