前言
Transformers in Action 将革命性的 Transformers 架构添加到您的 AI 工具包中。您将深入了解模型架构的基本细节，通过易于理解的示例和巧妙的类比解释所有复杂的概念 - 从袜子分类到滑雪！即使是复杂的基础概念也从实际应用开始，因此您永远不必为抽象理论而苦恼。这本书包括一个广泛的代码存储库，可让您立即开始播放和探索不同的 LLM。
在这个有趣的指南中，您将首先将转换器应用于基本的 NLP 任务，如文本摘要和文本分类。然后，您将通过生成文本、使用强化学习磨练文本生成、开发多模态模型和小样本学习等任务将 transformer 推得更远。您将发现有关提示工程的独一无二的建议，以及用于优化和调整大型语言模型的成熟和测试方法。此外，您还会发现 AI 道德的独特报道，例如减少偏见和负责任的使用。
在本书内搜索
适合读者
适用于初级和经验丰富的数据科学家和机器学习工程师。读者应该熟悉 ML、Python 和常见数据工具的基础知识。
关于作者
Nicole Koenigstein 是一位杰出的数据科学家和定量研究员。她目前是Wyden Capital的首席数据科学家和人工智能与定量研究的负责人。
目录
第1部分:Transformer简介
- 1对Transformer的需求
- 深入了解Transformer
第⒉部分:用于基本NLP任务的Transformer
- 3文本摘要
- 4机器翻译
- 5文本分类
第3部分:高级模型和方法
- 6文本生成
- 7控制生成的文本
- 8多模态模型
- 9优化和评估大型语言模型
- 10合乎道德和负责任的大型语言模型
- 附录
标签：NLP,Transformer,Transformers,模型,就够,生成,文本 From： https://blog.51cto.com/u_16163480/12046903