Opinie czytelników
Podsumowanie:Książka „Transformers for Natural Language Processing” autorstwa Denisa Rothmana oferuje kompleksowe badanie modeli transformatorów z naciskiem na przetwarzanie języka naturalnego. Przeznaczona jest głównie dla czytelników z pewną wcześniejszą wiedzą z zakresu sztucznej inteligencji i głębokiego uczenia się, zapewniając równowagę między teoretycznymi spostrzeżeniami a praktycznymi przykładami kodowania. Tekst otrzymuje jednak mieszane recenzje, przy czym niektórzy chwalą jego przejrzystość i wartość instruktażową, podczas gdy inni krytykują go za powierzchowność lub podatność na błędy.
Zalety:⬤ Szczegółowe omówienie architektury i zastosowań transformatorów.
⬤ Dobre połączenie teorii i praktycznych przykładów kodowania, dzięki czemu czytelnicy mogą się z nimi zapoznać.
⬤ Przejrzyste wyjaśnienia i uporządkowana treść, idealna zarówno dla początkujących, jak i zaawansowanych praktyków.
⬤ Zapewnia praktyczne możliwości kodowania i bogactwo zasobów, w tym referencje.
⬤ Zawiera informacje zarówno o najnowocześniejszych modelach, jak i prostszych, lokalnie trenowanych modelach.
Wady:⬤ Zakłada sporą ilość wcześniejszej wiedzy, co czyni ją nieodpowiednią dla zupełnie początkujących.
⬤ Niektórzy czytelnicy uznali treść za powierzchowną lub pozbawioną głębi, szczególnie pod względem dokładności technicznej.
⬤ Problemy z małymi rozmiarami czcionek utrudniającymi czytanie.
⬤ Kilka skarg dotyczących stylu pisania i jasności niektórych wyjaśnień.
⬤ Niektóre negatywne recenzje sugerują, że książka jest zbyt skoncentrowana na szumie, a nie na treści technicznej.
(na podstawie 30 opinii czytelników)
Oryginalny tytuł:
Transformers for Natural Language Processing - Second Edition: Build, train, and fine-tune deep neural network architectures for NLP with Python, PyTo
Zawartość książki:
Transformatory OpenAI GPT-3, ChatGPT, GPT-4 i Hugging Face do zadań językowych w jednej książce. Zapoznaj się z przyszłością transformatorów, w tym z zadaniami wizji komputerowej oraz pisaniem kodu i pomocą.
Zakup książki w wersji drukowanej lub Kindle obejmuje bezpłatny eBook w formacie PDF
Kluczowe cechy:
⬤ Pretrenuj model oparty na BERT od podstaw za pomocą Hugging Face.
⬤ Dostrajanie potężnych modeli transformatorowych, w tym GPT-3 firmy OpenAI, w celu poznania logiki danych.
⬤ Przeprowadzanie analizy przyczyn źródłowych trudnych problemów NLP.
Opis książki:
Transformatory... cóż... przekształcają świat sztucznej inteligencji. Istnieje wiele platform i modeli, ale które z nich najlepiej odpowiadają Twoim potrzebom?
Transformers for Natural Language Processing, 2nd Edition, poprowadzi Cię przez świat transformerów, podkreślając mocne strony różnych modeli i platform, jednocześnie ucząc Cię umiejętności rozwiązywania problemów, których potrzebujesz, aby poradzić sobie ze słabościami modelu.
Wykorzystasz Hugging Face do wstępnego trenowania modelu RoBERTa od podstaw, od budowania zbioru danych, poprzez definiowanie kolatora danych, aż po trenowanie modelu.
Jeśli chcesz dostroić wstępnie wytrenowany model, w tym GPT-3, Transformers for Natural Language Processing, 2nd Edition pokaże ci, jak to zrobić, krok po kroku.
Książka bada tłumaczenia maszynowe, zamianę mowy na tekst, zamianę tekstu na mowę, odpowiadanie na pytania i wiele innych zadań NLP. Dostarcza technik rozwiązywania trudnych problemów językowych, a nawet może pomóc w walce z fake newsami (więcej szczegółów w rozdziale 13).
Zobaczysz, jak najnowocześniejsze platformy, takie jak OpenAI, przeniosły transformatory poza język do zadań widzenia komputerowego i tworzenia kodu za pomocą Codex.
Pod koniec tej książki będziesz wiedział, jak działają transformatory i jak je zaimplementować i rozwiązywać problemy jak detektyw AI!
Czego się nauczysz:
⬤ Dowiesz się, jak ViT i CLIP etykietują obrazy (w tym rozmazane! ) i tworzą obrazy ze zdań za pomocą DALL-E.
⬤ Odkryj nowe techniki badania złożonych problemów językowych.
⬤ Porównanie i zestawienie wyników GPT-3 z T5, GPT-2 i transformatorami opartymi na BERT.
⬤ Przeprowadzenie analizy sentymentu, podsumowania tekstu, analizy mowy, tłumaczenia maszynowego i innych przy użyciu TensorFlow, PyTorch i GPT-3.
⬤ Zmierzyć produktywność kluczowych transformatorów, aby określić ich zakres, potencjał i ograniczenia w produkcji.
Dla kogo jest ta książka:
Jeśli chcesz poznać i zastosować transformatory do danych w języku naturalnym (i obrazów), ta książka jest dla Ciebie.
Aby w pełni skorzystać z tej książki, konieczne będzie dobre zrozumienie Pythona i głębokiego uczenia się oraz podstawowa znajomość NLP. Wiele platform omówionych w tej książce zapewnia interaktywne interfejsy użytkownika, które pozwalają czytelnikom o ogólnym zainteresowaniu NLP i sztuczną inteligencją śledzić kilka rozdziałów. I nie martw się, jeśli utkniesz lub masz pytania; ta książka zapewnia bezpośredni dostęp do naszej społeczności AI/ML i autora, Denisa Rothmana. Tak więc, będzie on tam, aby poprowadzić Cię w podróży transformers!
