在人看：NLP心靈教練吳璨因幫助你遇見完整幸福的自己

類似書籍推薦給您

◎深入淺出介紹NLP，以生活實際應用為核心，發現完整幸福的自己。 ◎以豐富的實際教練案例，點出常見思維謬誤，建立正向思維模式。 ◎收錄「NLP教練心語」和「唯心靈小語」，隨時補給正向能量！ 放下我執，接受世界客觀的存在。 重整思維，發揮人腦的超效運轉。 看見潛能，擁抱自我的豐足狀態。 NLP（神經語言程式學）透過研究大腦的思維神經系統和語言結構、行為模式的互動關係，提出如何提升大腦的運作效率，並藉由改變信念，再改變習慣和行為。 本書收錄作者豐富的NLP教練經歷，以最貼近你我生活的實際案例，點出思維主觀的謬誤，並建立正確信念，發現自己內在的強大力量。 一個成功的組織是由清晰卓越的個人所組成，每個人必須懂得愛自己、會溝通、能創造生活中美好的感覺並達到身心平衡。透過學習NLP教練，每個人都可以邁向卓越、擁有快樂和幸福的人生。 有時候只是一個有效的提問，就能令被教練者擺脫無法入睡的困擾；一個簡單的平衡輪圈測試，就能令被教練者熱淚盈眶、看見自己的問題，並看見自己的盲點，因為「發現」而產生新的可能。 ──NLP心靈教練吳璨因幫助你遇見完整幸福的自己 更多精彩內容請見 http://www.pressstore.com.tw/freereading/9789863581475.pdf

HuggingFace模型及資料大公開：利用BERT建立全中文NLP應用 (1版)

類似書籍推薦給您

內容簡介 　　● 自然語言處理大本營Huggingface介面安裝及說明 　　● Huggingface模型、資料集，空間介紹 　　● AutoModel、AutoTokenizer介紹 　　● Attention架構完整實作介紹 　　● PyTorch建立Transformer完整說明 　　● TensorFlow建立Transformer完整說明 　　● 用Huggingface手動架設一個BERT 　　HuggingFace提供了一套強大的自然語言處理工具和標準研發流程。 　　第1章介紹了這一流程和工具的概述。 　　第2章深入介紹了編碼工具，展示了其工作原理和應用案例。 　　第3章詳細介紹了資料集工具，包括資料集倉庫和基本操作。 　　第4章評價指標的載入和使用方法。 　　第5章引入管道工具，說明高效地處理自然語言處理任務。 　　第6章示範訓練工具的使用，展示模型訓練的流程。 　　從第7章到第10章，透過一系列中文自然語言處理實戰任務，包括情感分類、填空任務、句子關係推斷和命名實體識別，展示了工具集的實際應用能力。 　　第11章探索了使用TensorFlow框架完成命名實體識別任務的方式。 　　第12章深入研究了自動模型的使用，包括情感分類任務和原始程式碼的閱讀，以更好地理解模型內部工作原理。 　　第13章和第14章則手動實現了Transformer模型和BERT模型，強調了底層模型理解和自訂模型的重要性。 目錄 工具集基礎用例演示篇 第1章 HuggingFace簡介 第2章 使用編碼工具 2.1 編碼工具簡介 2.2 編碼工具工作流示意 2.3 使用編碼工具 2.4 小結 第3章 使用資料集工具 3.1 資料集工具介紹 3.2 使用資料集工具 3.3 小結 第4章 使用評價指標工具 4.1 評價指標工具介紹 4.2 使用評價指標工具 4.3 小結 第5章 使用管道工具 5.1 管道工具介紹 5.2 使用管道工具 5.3 小結 第6章 使用訓練工具 6.1 訓練工具介紹 6.2 使用訓練工具 6.3 小結 中文專案實戰篇 第7章 實戰任務1：中文情感分類 7.1 任務簡介 7.2 資料集介紹 7.3 模型架構 7.4 實現程式 7.5 小結 第8章 實戰任務2：中文填空 8.1 任務簡介 8.2 資料集介紹 8.3 模型架構 8.4 實現程式 8.5 小結 第9章 實戰任務3：中文句子關係推斷 9.1 任務簡介 9.2 資料集介紹 9.3 模型架構 9.4 實現程式 9.5 小結 第10章 實戰任務4：中文命名實體辨識 10.1 任務簡介 10.2 資料集介紹 10.3 模型架構 10.4 實現程式 10.5 小結 第11章 使用TensorFlow訓練 11.1 任務簡介 11.2 資料集介紹 11.3 模型架構 11.4 實現程式 11.5 小結 第12章 使用自動模型 12.1 任務簡介 12.2 資料集介紹 12.3 模型架構 12.4 實現程式 12.5 深入自動模型原始程式碼 12.6 小結

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

類似書籍推薦給您

【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