分享Transformer原理和大模型技术，针对不同企业环境，给出经典自然语言处理问题的解决方案。 Google 工程总监Antonio Gulli作序推荐！ Transformer正在颠覆AI领域。市面上有这么平台和Transformer模型，哪些最符合你的需求？ 将引领你进入Transformer的世界，将讲述不同模型和平台的优势，指出如何消除模型的缺点和问题。本书将引导你使用Hugging Face从头开始预训练一个RoBERTa模型，包括构建数据集、定义数据整理器以及训练模型等。 本书分步展示如何微调GPT-3等预训练模型。研究机器翻译、语音转文本、文本转语音、问答等NLP任务，并介绍解决NLP难题的技术，甚至帮助你应对假新闻焦虑(详见第13章)。 从书中可了解到，诸如OpenAI的高级平台将Transformer扩展到语言领域、计算机视觉领...(展开全部)

本书为大模型应用开发极简入门手册，为初学者提供了一份清晰、全面的“可用知识”，带领大家快速了解GPT-4和ChatGPT的工作原理及优势，并在此基础上使用流行的Python编程语言构建大模型应用。通过本书，你不仅可以学会如何构建文本生成、问答和内容摘要等初阶大模型应用，还能了解到提示工程、模型微调、插件、LangChain等高阶实践技术。书中提供了简单易学的示例，帮你理解并应用在自己的项目中。此外，书后还提供了一份术语表，方便你随时参考。 准备好了吗？只需了解Python，你即可将本书作为进入大模型时代的启动手册，开发出自己的大模型应用。

本书为大模型应用开发极简入门手册，为初学者提供了一份清晰、全面的“最小可用知识”，带领大家快速了解GPT-4和ChatGPT的工作原理及优势，并在此基础上使用流行的Python编程语言构建大模型应用。通过本书，你不仅可以学会如何构建文本生成、问答和内容摘要等初阶大模型应用，还能了解到提示工程、模型微调、插件、LangChain等高阶实践技术。书中提供了简单易学的示例，帮你理解并应用在自己的项目中。此外，书后还提供了一份术语表，方便你随时参考。 准备好了吗？只需了解Python，你即可将本书作为进入大模型时代的启动手册，开发出自己的大模型应用。 编辑推荐 你的首本LLM应用开发手册 1.【0门槛】人人都可以借力大模型，做出 AI 应用 2.【简单】学习大模型应用开发的“Z小可用知识” 3.【实操】学会写提示词、模型微调、使用 LangChain 等 4...(展开全部)

本书为广受读者喜爱的畅销书升级版，旨在让读者快速、简单地上手大模型应用开发。 本书为初学者提供了一份清晰、全面的“最小可用知识”，带领你快速了解 GPT-4 和 ChatGPT 的工作原理及优势，并在此基础上使用流行的 Python 编程语言构建大模型应用。升级版在旧版的基础上进行了全面更新，融入了大模型应用开发的最新进展，比如 RAG、GPT-4 新特性的应用解析等。本书提供了大量简单易学的示例，帮你理解相关概念并将其应用在自己的项目中。 准备好了吗?只需了解 Python，你即可将本书作为进入大模型时代的启动手册，开发出自己的大模型应用。

本书为大模型应用开发极简入门手册，为初学者提供了一份清晰、全面的“最小可用知识”，带领大家快速了解GPT-4和ChatGPT的工作原理及优势，并在此基础上使用流行的Python编程语言构建大模型应用。通过本书，你不仅可以学会如何构建文本生成、问答和内容摘要等初阶大模型应用，还能了解到提示工程、模型微调、插件、LangChain等高阶实践技术。书中提供了简单易学的示例，帮你理解并应用在自己的项目中。此外，书后还提供了一份术语表，方便你随时参考。 准备好了吗？只需了解Python，你即可将本书作为进入大模型时代的启动手册，开发出自己的大模型应用。 编辑推荐 你的首本LLM应用开发手册 1.【0门槛】人人都可以借力大模型，做出 AI 应用 2.【简单】学习大模型应用开发的“Z小可用知识” 3.【实操】学会写提示词、模型微调、使用 LangChain 等 4...(展开全部)

编辑推荐 ChatGPT红得发紫，强得让人类心悸。 但在它的背后，还隐藏着一位真正的大佬。 它的名字叫做——Transformer！ 本书将带领你深入探究Transformer架构，从基础知识到高级应用，揭示了这一革命性技术在自然语言处理领域的无限潜力。 本书首先介绍了Transformer模型架构的基础知识，从背景知识、原理到多头注意力机制，逐步剖析了它的核心思想。随后，通过具体实例，你将学会如何微调BERT模型，了解BERT带来的全新NLP体验。接着，本书探讨了从零开始预训练RoBERTa模型的方法，以及使用Transformer处理各种下游NLP任务的技巧。你将掌握机器翻译、文本生成、文本摘要等领域的应用实践，深入了解Transformer在自然语言处理中的广泛应用。 在更深入的专题内容中，本书介绍了语义角色标注、问答系统、情感分析、假新闻检测...(展开全部)

《自然语言处理--大模型：通向AGI之路》是一本全面介绍大语言模型的教材，旨在帮助读者掌握这一前沿人工智能技术。本教材首先从自然语言处理基础和神经网络原理出发，逐步引领读者深入了解大语言模型的构建与训练方法。通过系统讲解Transformer架构，使读者能够理解其核心机制。与传统的教材不同，本书强调实践与应用。通过大量实例，读者将学会如何利用大语言模型进行自然语言生成、文本分类、情感分析等任务，极大地拓展了应用领域。 本教材内容丰富，步骤详细，解释了基本概念，并提供了实用示例。读者将首先了解NLP是什么以及关键理论技术，特别是如何通过大型模型来完成NLP中的各种任务。随后，读者将学习当前广泛的自然语言处理和大语言模型相关技术，并了解每种技术的最佳应用场景，包括新的大型语言模型（LLMs）。在此过程中，本书将介绍相关的自然语言处理Python库。读者不仅将学习NLP的基础知识，还将了解许多实际问题，如获取数据、评估系统、改善系统结果和部署NLP应用程序。 本教材的独特之处在于深入剖析了模型训练和优化的关键步骤，为读者提供了优化模型性能的实用方法。本教材适合不同程度的自然语言处理和深度学习基础的学生、研究人员以及从业者。无论你是计算机科学、人工智能、数据科学等相关领域的学习者，还是希望应用大语言模型于实际场景的专业人士，本教材都将成为你深入研究这一领域的得力助手。

本书对自然语言处理中的各种形式模型进行了系统的梳理，分别讨论了基于短语结构语法的形式模型、基于合一运算的形式模型、基于依存和配价的形式模型、基于格语法的形式模型、基于词汇主义的形式模型、语义自动处理的形式模型、语用自动处理的形式模型、隐马尔可夫模型、统计机器翻译的形式模型。 本书说理透彻、语言流畅、实例丰富、深入浅出，适合于从事自然语言处理教学和研究的科研人员、大学师生阅读，也可以作为人工智能、计算语言学等课程的教学参考。

本书对自然语言处理中的各种形式模型进行了系统的梳理，分别讨论了基于短语结构语法的形式模型、基于合一运算的形式模型、基于依存和配价的形式模型、基于格语法的形式模型、基于词汇主义的形式模型、语义自动处理的形式模型、语用自动处理的形式模型、隐马尔可夫模型、统计机器翻译的形式模型。 本书说理透彻、语言流畅、实例丰富、深入浅出，适合于从事自然语言处理教学和研究的科研人员、大学师生阅读，也可以作为人工智能、计算语言学等课程的教学参考。

自然语言处理被誉为“人工智能皇冠上的明珠”。深度学习等技术的引入为自然语言处理技术带来了一场革命，尤其是近年来出现的基于预训练模型的方法，已成为研究自然语言处理的新范式。本书在介绍自然语言处理、深度学习等基本概念的基础上，重点介绍新的基于预训练模型的自然语言处理技术。本书包括基础知识、预训练词向量和预训练模型三大部分：基础知识部分介绍自然语言处理和深度学习的基础知识和基本工具；预训练词向量部分介绍静态词向量和动态词向量的预训练方法及应用；预训练模型部分介绍几种典型的预训练语言模型及应用，以及预训练模型的最新进展。除了理论知识，本书还有针对性地结合具体案例提供相应的PyTorch代码实现，不仅能让读者对理论有更深刻的理解，还能快速地实现自然语言处理模型，达到理论和实践的统一。本书既适合具有一定机器学习基础的高等院校学生、研究机构的研究者，以及希望深入研究自然语言处理算法的计算机工程师阅读，也适合对人工智能、深度学习和自然语言处理感兴趣的学生和希望进入人工智能应用领域的研究者参考。