Praxisbuch Large Language Models von Jay Alammar | Sprache mit KI verarbeiten und generieren | ISBN 9783960092667

Praxisbuch Large Language Models

Sprache mit KI verarbeiten und generieren

von Jay Alammar und Maarten Grootendorst, aus dem Englischen übersetzt von Marcus Fraaß
Mitwirkende
Autor / AutorinJay Alammar
Autor / AutorinMaarten Grootendorst
Übersetzt vonMarcus Fraaß
Buchcover Praxisbuch Large Language Models | Jay Alammar | EAN 9783960092667 | ISBN 3-96009-266-0 | ISBN 978-3-96009-266-7
Python-Programmier*innen mit Grundlagenwissen im Machine Learning

Praxisbuch Large Language Models

Sprache mit KI verarbeiten und generieren

von Jay Alammar und Maarten Grootendorst, aus dem Englischen übersetzt von Marcus Fraaß
Mitwirkende
Autor / AutorinJay Alammar
Autor / AutorinMaarten Grootendorst
Übersetzt vonMarcus Fraaß
Alle Werkzeuge und Techniken für die praktische Arbeit mit LLMs
  • Das Handbuch für das intuitive Verständnis von LLMs: Mit zahlreichen Visualisierungen, die Konzepte schnell zugänglich machen
  • Themen sind die Sprachverarbeitung – Textklassifikation, Suche oder Cluster – und die Sprachgenerierung – vom Prompt Engineering bis zur Retrieval Augmented Generation (RAG)
  • Die Autoren haben mit ihren beliebten Blogs Millionen von Entwickler*innen geholfen, Machine Learning und KI zu verstehen

Diese umfassende und anschauliche Einführung in die Welt der LLMs beschreibt sowohl konzeptionelle Grundlagen als auch konkrete Anwendungen und nützliche Tools. Tauchen Sie ein in das Innenleben von LLMs und erforschen Sie ihre Architekturen, Einsatzbereiche, Trainingsmethoden und Feintuning-Techniken. Mit seiner einzigartigen Mischung aus Intuitionsbildung, Praxisbezug und illustrativem Stil ist dieses Buch die ideale Ausgangsbasis für alle, die die spannenden Möglichkeiten von LLMs erkunden möchten.

Sie lernen, vortrainierte Transformer-LLMs von Hugging Face zu nutzen, beispielsweise für die Sentiment-Analyse, das Text Clustering oder das Topic Modeling. Das Themenspektrum umfasst weiterhin das Prompt Engineering, den Einsatz des LangChain-Frameworks, Semantic Search und RAG-Techniken sowie multimodale LLMs. Fortgeschrittene Aufgaben wie das Training und die Optimierung der Modelle runden das Buch ab. Um den Lernprozess zu erleichtern und Ihnen zu ermöglichen, die Beispiele direkt praktisch auszuprobieren, stellen die Autoren den gesamten Code des Buchs auf Google Colab zur Verfügung.