Hands-On Large Language Models

L'IA ha acquisito straordinarie nuove capacità linguistiche negli ultimi anni. Grazie ai rapidi progressi nel campo del deep learning, i sistemi di intelligenza artificiale per il linguaggio sono in grado di scrivere e comprendere testi meglio che mai. Questa tendenza consente la nascita di nuove funzionalità, prodotti e interi settori. Grazie alla natura visivamente istruttiva di questo libro, gli sviluppatori Python apprenderanno gli strumenti pratici e i concetti necessari per sfruttare queste capacità oggi.

Impareranno a utilizzare la potenza di modelli linguistici di grandi dimensioni pre-addestrati per casi d'uso come la generazione di testi e i riassunti; a creare sistemi di ricerca semantica che vanno oltre la ricerca per parole chiave; a costruire sistemi che classificano e raggruppano testi per consentire una comprensione scalabile di un gran numero di documenti testuali; e a utilizzare librerie esistenti e modelli pre-addestrati per la classificazione del testo, la ricerca e il clustering.

Questo libro ti mostrerà anche come:

• Creare pipeline LLM avanzate per raggruppare documenti testuali ed esplorare i temi a cui appartengono
• Sviluppare motori di ricerca semantica che vanno oltre la ricerca per parole chiave, utilizzando metodi come il recupero denso e i re-ranking
• Scoprire diversi casi d'uso in cui questi modelli possono offrire valore aggiunto
• Comprendere l'architettura dei modelli transformer sottostanti come BERT e GPT
• Ottenere una comprensione più profonda di come vengono addestrati gli LLM
• Ottimizzare gli LLM per applicazioni specifiche con metodi come il fine-tuning di modelli generativi, il fine-tuning contrastivo e l'apprendimento in contesto

Jay Alammar è direttore e Engineering Fellow presso Cohere, un fornitore pionieristico di modelli linguistici di grandi dimensioni come API. Maarten Grootendorst è Senior Clinical Data Scientist presso l'Organizzazione Olandese per il Cancro.