Duże modele językowe przestały już być szokującą nowinką technologiczną. Dziś są używane do najróżniejszych celów, a lista ich rzeczywistych i potencjalnych zastosowań stale się wydłuża. A to oznacza, że programiści, inżynierowie i architekci muszą dogłębnie rozumieć zasady działania LLM, a także techniki ich budowania.
Najbardziej przystępne i kompleksowe wyjaśnienie modeli językowych!
Cameron Wolfe, starszy specjalista do spraw AI, Netflix
W tej unikalnej książce znajdziesz kompleksowe omówienie procesu tworzenia LLM, od pracy z zestawami danych po implementację architektury modelu, wstępne szkolenie na nieoznakowanych danych i dostrajanie do określonych zadań. Bez korzystania z gotowych bibliotek LLM samodzielnie zbudujesz podstawowy model, przekształcisz go w klasyfikator tekstu, a ostatecznie stworzysz chatbota, który będzie wykonywał Twoje polecenia. I co najważniejsze ? naprawdę zrozumiesz, jak działa model, w końcu będziesz jego twórcą!
Kompletne, aktualne opracowanie. Gorąco polecam!
dr Vahid Mirjalili, starszy danolog, FM Global
Z tą książką:
- zaprojektujesz i zbudujesz funkcjonujący model LLM
- nauczysz się korzystać ze wstępnie wyuczonych wag
- skonstruujesz kompletny potok szkoleniowy
- dostosujesz model LLM do zadań klasyfikacji tekstu
- stworzysz model LLM zdolny do wykonywania przekazywanych mu instrukcji
Niezwykle inspirująca pozycja!
Benjamin Muskalla, starszy inżynier, GitHub
Zbuduj AI ? niech przemówi Twoim kodem!
Szukasz więcej propozycji? Zobacz nasze tytuły z kategorii informatyka
Jakie umiejętności programistyczne są niezbędne, aby w pełni skorzystać z tej książki?
Do pracy z materiałem wymagana jest znajomość języka Python oraz podstawowa orientacja w koncepcjach uczenia maszynowego. Autor prowadzi czytelnika przez proces budowy modelu od podstaw, więc biegłość w operacjach na strukturach danych i rozumienie logiki kodu są kluczowe dla powodzenia projektów. Książka koncentruje się na implementacji technicznej, dlatego brak doświadczenia w programowaniu uniemożliwi wykonanie ćwiczeń praktycznych zawartych w poszczególnych rozdziałach. Wiedza z zakresu matematyki wyższej nie jest wymagana na starcie, ale ułatwia zrozumienie operacji na wagach i gradientach. Jest to pozycja skierowana do osób, które chcą przejść od teorii do realnego tworzenia architektury sieci neuronowych.
Czy książka "Stwórz własne AI. Jak od podstaw zbudować duży model językowy" uczy wykorzystania gotowych API?
Nie, ta publikacja skupia się na samodzielnej implementacji architektury LLM bez polegania na gotowych bibliotekach czy zewnętrznych interfejsach API. Zamiast korzystać z gotowych rozwiązań od OpenAI czy Google, nauczysz się projektować potoki szkoleniowe i konfigurować wagi bezpośrednio w kodzie źródłowym. Takie podejście pozwala na dogłębne zrozumienie mechanizmów zachodzących wewnątrz sieci neuronowych typu Transformer, co jest rzadkością w typowych podręcznikach. Jest to idealne rozwiązanie dla inżynierów i architektów, którzy chcą mieć pełną kontrolę nad procesem tworzenia i optymalizacji sztucznej inteligencji. Dzięki temu zyskujesz unikalną wiedzę o tym, co dzieje się pod maską najnowocześniejszych systemów językowych.
Jaki konkretny projekt powstanie po przerobieniu wszystkich rozdziałów tego podręcznika?
Finalnym efektem pracy z książką jest stworzenie funkcjonalnego chatbota zdolnego do wykonywania instrukcji oraz precyzyjnego klasyfikatora tekstu. W trakcie nauki zbudujesz podstawowy model, który następnie poddasz procesowi wstępnego szkolenia na nieoznakowanych danych i dostrajania do specyficznych zadań. Pozwala to poznać pełny cykl życia dużego modelu językowego, od surowych zbiorów danych po interaktywną aplikację reagującą na polecenia użytkownika. Cały proces odbywa się lokalnie, co daje unikalną możliwość sprawdzenia, jak każda zmiana w kodzie wpływa na zachowanie algorytmu. Zdobędziesz praktyczne doświadczenie w budowaniu systemów, które realnie przetwarzają i generują ludzką mowę.
Czy do testowania przykładów zawartych w książce konieczne jest posiadanie drogiej karty graficznej?
Choć posiadanie GPU znacznie przyspiesza proces szkolenia, autor przygotował przykłady tak, aby można było je uruchomić przy użyciu standardowych zasobów obliczeniowych. Skupienie się na budowie modelu od zera pozwala na testowanie mniejszych wersji architektury, które nie wymagają potężnych farm serwerowych do poprawnego działania. Wiele etapów pracy z kodem i projektowania potoków danych można zrealizować na procesorze CPU, co czyni naukę dostępną dla każdego programisty. Autor podpowiada również, jak optymalizować kod pod kątem wydajności, aby maksymalnie wykorzystać posiadany sprzęt domowy. Dzięki temu bariera wejścia w świat zaawansowanego AI staje się znacznie niższa dla hobbystów.
Dla kogo ta książka nie będzie odpowiednim wyborem?
Książka ta nie jest polecana osobom szukającym prostych poradników o obsłudze gotowych narzędzi takich jak ChatGPT bez pisania własnego kodu. Publikacja Sebastiana Raschki jest zaawansowanym podręcznikiem technicznym, który wymaga aktywnego programowania, analizy algorytmów i cierpliwości w debugowaniu sieci neuronowych. Jeśli Twoim głównym celem jest jedynie nauka pisania skutecznych promptów, poziom technicznego szczegółu zawarty w tej pozycji może okazać się przytłaczający. To pozycja dedykowana profesjonalistom, danologom i ambitnym programistom, którzy chcą zrozumieć matematyczne i inżynieryjne fundamenty modeli LLM. Osoby bez podstawowej wiedzy o Pythonie mogą mieć trudności z nadążeniem za tempem wykładu.
