Large Language Models Selbst Programmieren
Download Large Language Models Selbst Programmieren PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Large Language Models Selbst Programmieren book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages.
Large Language Models selbst programmieren
LLMs selbst erstellen und von Grund auf verstehen! Der Bestseller aus den USA jetzt in deutscher Übersetzung der ideale Einstieg in das Thema Large Language Models Auf dem eigenen Laptop entwickeln, trainieren und tunen Sie ein LLM, das mit GPT-2 vergleichbar ist, und bekommen dadurch einen tiefen Einblick in die Funktionsweise von LLMs Bestsellerautor Sebastian Raschka erklärt die Grundlagen und die Vorgehensweise Schritt für Schritt und sehr gut verständlich Dieses Buch ist eine spannende Reise in die Blackbox der Generativen KI: Ohne auf bestehende LLM-Bibliotheken zurückzugreifen, programmieren Sie ein LLM-Basismodell im GPT-Stil auf dem eigenen Rechner. Sie entwickeln es zu einem Textklassifikator weiter und erstellen schließlich einen Chatbot, der Ihren Anweisungen folgt und den Sie als persönlichen KI-Assistenten verwenden können. Jeder Schritt wird mit klaren Beschreibungen, Diagrammen und Beispielen erklärt. Auf diese Weise eignen Sie sich aktiv und ganz praktisch grundlegendes Wissen zur aktuell wichtigsten KI-Technologie an – denn Sie haben Ihren Chatbot selbst gebaut! Während Sie die einzelnen Phasen der LLM-Erstellung durchlaufen, entwickeln Sie eine klarere Vorstellung davon, wie LLMs unter der Haube funktionieren. Sie erfahren, wie Sie alle Bestandteile eines LLMs planen und programmieren einen für das LLM-Training geeigneten Datensatz vorbereiten das LLM mit Ihren eigenen Daten optimieren Feedback nutzen, um sicherzustellen, dass das LLM Ihren Anweisungen folgt vortrainierte Gewichte in das LLM laden
Softwareentwicklung mit ChatGPT und Copilot
Der Praxisleitfaden für die Zukunft der Softwareentwicklung mit KI-Assistenz Erfahren Sie, wie Sie KI-Tools Schritt für Schritt in Ihre täglichen Arbeitsabläufe integrieren Anhand konkreter Beispiele zeigt Ihnen Nathan B. Crocker, wie Sie Code und Designideen generieren und dabei in jeder Phase des Entwicklungsprozesses KI-Assistenten einsetzen Themen sind Softwaredesign und -entwicklung, Datenmanagement, Testing, Deployment, Dokumentation und Sicherheit KI-Assistenten verändern die Art und Weise, wie wir Code schreiben und Software entwickeln, grundlegend. Dieses Buch stellt effektive Techniken und Best Practices vor, um mit Tools wie Copilot und ChatGPT das Beste aus der KI-gestützten Programmierung herauszuholen. Jenseits des Hypes erfahren Sie anhand von Praxisbeispielen, wie KI-Tools die Softwareentwicklung effizienter machen, die Qualität des Codes verbessern, Ihnen Ihre Arbeit erleichtern und Sie kreativer werden lassen. Das Themenspektrum des Buchs umfasst den kompletten Entwicklungszyklus von Software: von der Designidee und der Codegenerierung über das Debugging und die Dokumentation bis zum Deployment. Aus dem Inhalt Nutzen Sie KI, um Ihre Software zu entwerfen und zu planen Führen Sie KI in jeden Schritt des Workflows ein Entwickeln Sie eine selbstdokumentierende Anwendung Lernen Sie, gute Prompts zu formulieren, um komplexe Probleme mit KI zu lösen Erfahren Sie, wie KI beim Testen Ihres Codes, der Infrastruktur und bei Sicherheitsfragen helfen kann
Praxiseinstieg Large Language Models
Der Schnellstart in die praktische Arbeit mit LLMs Das Buch bietet einen Überblick über zentrale Konzepte und Techniken von LLMs wie z.B. ChatGPT und zeigt das Potenzial von Open-Source- und Closed-Source-Modellen Es erläutert, wie Large Language Models funktionieren und wie sie für Aufgaben des Natural Language Processing (NLP) genutzt werden Auch für interessierte Nicht-Data-Scientists mit Python-Kenntnissen verständlich Themen z.B.: die ChatGPT-API, Prompt-Engineering, Chatbot-Personas, Cloud-Bereitstellung; deckt auch GPT-4 ab Large Language Models (LLMs) wie ChatGPT sind enorm leistungsfähig, aber auch sehr komplex. Praktikerinnen und Praktiker stehen daher vor vielfältigen Herausforderungen, wenn sie LLMs in ihre eigenen Anwendungen integrieren wollen. In dieser Einführung räumt Data Scientist und KI-Unternehmer Sinan Ozdemir diese Hürden aus dem Weg und bietet einen Leitfaden für den Einsatz von LLMs zur Lösung praktischer Probleme des Natural Language Processings. Sinan Ozdemir hat alles zusammengestellt, was Sie für den Einstieg benötigen: Schritt-für-Schritt-Anleitungen, Best Practices, Fallstudien aus der Praxis, Übungen und vieles mehr. Er stellt die Funktionsweise von LLMs vor und unterstützt Sie so dabei, das für Ihre Anwendung passende Modell und geeignete Datenformate und Parameter auszuwählen. Dabei zeigt er das Potenzial sowohl von Closed-Source- als auch von Open-Source-LLMs wie GPT-3, GPT-4 und ChatGPT, BERT und T5, GPT-J und GPT-Neo, Cohere sowie BART. Lernen Sie die Schlüsselkonzepte kennen: Transfer Learning, Feintuning, Attention, Embeddings, Tokenisierung und mehr Nutzen Sie APIs und Python, um LLMs an Ihre Anforderungen anzupassen Beherrschen Sie Prompt-Engineering-Techniken wie Ausgabe-Strukturierung, Gedankenketten und Few-Shot-Prompting Passen Sie LLM-Embeddings an, um eine Empfehlungsengine mit eigenen Benutzerdaten neu zu erstellen Konstruieren Sie multimodale Transformer-Architekturen mithilfe von Open-Source-LLMs Optimieren Sie LLMs mit Reinforcement Learning from Human and AI Feedback (RLHF/RLAIF) Deployen Sie Prompts und benutzerdefinierte, feingetunte LLMs in die Cloud