![[Recenzja] Transformers for Natural Language Processing and Computer Vision (Denis Rothman) Streszczenie.](https://episodes.castos.com/660078c6833215-59505987/images/2570511/c1a-085k3-ndjj9pdqi4m0-wim5tr.jpg)
Show Notes
Transformers for Natural Language Processing and Computer Vision (Denis Rothman)
- Amazon Poland Store: https://www.amazon.pl/dp/?tag=9natreepoland-21
- Amazon Worldwide Store: https://global.buys.trade/Transformers-for-Natural-Language-Processing-and-Computer-Vision-Denis-Rothman.html
- Apple Books: https://books.apple.com/us/audiobook/how-ai-ate-the-world-a-brief-history/id1869281132?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree
- eBay: https://www.ebay.com/sch/i.html?_nkw=Transformers+for+Natural+Language+Processing+and+Computer+Vision+Denis+Rothman+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Czytaj więcej: https://polish.9natree.com/read/1805128728/
#RetrievalAugmentedGeneration #finetuningmodeliBERTiGPT #tokenizacjasubwordowa #VisionTransformeriCLIP #moderacjahalucynacjiLLM #TransformersforNaturalLanguageProcessingandComputerVision
Transformers for Natural Language Processing and Computer Vision, trzecie wydanie Denisa Rothmana, to techniczny przewodnik po architekturach transformerowych, dużych modelach językowych i generatywnej sztucznej inteligencji. Książka ma charakter praktyczny, a jej celem nie jest wyłącznie wyjaśnienie mechanizmu attention, lecz pokazanie, jak dobierać, dostosowywać i oceniać modele w rzeczywistych zadaniach. Autor prowadzi od podstaw Transformera przez BERT, GPT, T5, PaLM i RoBERTa, aż po modele wizyjne oraz multimodalne, między innymi ViT, CLIP, DALL-E i GPT-4V. Istotną część stanowią przykłady użycia narzędzi Hugging Face, OpenAI i Google Vertex AI. Rothman omawia zadania takie jak streszczanie, pytania i odpowiedzi, tłumaczenie, klasyfikacja obrazów oraz generowanie treści. Wydanie uwzględnia również RAG, czyli generowanie wspierane wyszukiwaniem, a także problemy halucynacji, prywatności i zapamiętywania danych przez modele. To książka dla osób, które znają podstawy Pythona i uczenia maszynowego, a potrzebują szerokiego, wdrożeniowego obrazu współczesnych transformerów.
- Amazon Poland Store: https://www.amazon.pl/dp/?tag=9natreepoland-21
- Amazon Worldwide Store: https://global.buys.trade/Transformers-for-Natural-Language-Processing-and-Computer-Vision-Denis-Rothman.html
- Apple Books: https://books.apple.com/us/audiobook/how-ai-ate-the-world-a-brief-history/id1869281132?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree
- eBay: https://www.ebay.com/sch/i.html?_nkw=Transformers+for+Natural+Language+Processing+and+Computer+Vision+Denis+Rothman+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1
- Czytaj więcej: https://polish.9natree.com/read/1805128728/
#RetrievalAugmentedGeneration #finetuningmodeliBERTiGPT #tokenizacjasubwordowa #VisionTransformeriCLIP #moderacjahalucynacjiLLM #TransformersforNaturalLanguageProcessingandComputerVision
Transformers for Natural Language Processing and Computer Vision, trzecie wydanie Denisa Rothmana, to techniczny przewodnik po architekturach transformerowych, dużych modelach językowych i generatywnej sztucznej inteligencji. Książka ma charakter praktyczny, a jej celem nie jest wyłącznie wyjaśnienie mechanizmu attention, lecz pokazanie, jak dobierać, dostosowywać i oceniać modele w rzeczywistych zadaniach. Autor prowadzi od podstaw Transformera przez BERT, GPT, T5, PaLM i RoBERTa, aż po modele wizyjne oraz multimodalne, między innymi ViT, CLIP, DALL-E i GPT-4V. Istotną część stanowią przykłady użycia narzędzi Hugging Face, OpenAI i Google Vertex AI. Rothman omawia zadania takie jak streszczanie, pytania i odpowiedzi, tłumaczenie, klasyfikacja obrazów oraz generowanie treści. Wydanie uwzględnia również RAG, czyli generowanie wspierane wyszukiwaniem, a także problemy halucynacji, prywatności i zapamiętywania danych przez modele. To książka dla osób, które znają podstawy Pythona i uczenia maszynowego, a potrzebują szerokiego, wdrożeniowego obrazu współczesnych transformerów.
