（iThome鐵人賽系列書）

全面掌握生成式AI與LLM開發實務：NLP×PyTorch×GPT輕鬆打造專屬的大型語言模型

Author 黃朝隆

Publisher 博碩文化

Save Saved

Released

2024/10/18

Language

Traditional Chinese

File format

PDF (18MB), fit in large screen and Pubook

Pages

244

478873

ISBN

9786264140522

Provide Adobe DRM

Provide PDF

Offer DRM free license

Series iThome鐵人賽系列書

Buy products firstAnd download app to watch

Details

（iThome鐵人賽系列書）

全面掌握生成式AI與LLM開發實務：NLP×PyTorch×GPT輕鬆打造專屬的大型語言模型

Author 黃朝隆

Publisher 博碩文化

Released

2024/10/28

Language

Traditional Chinese

Pages

256

545275

ISBN

9786263339682

eBook

NT$620

Get NT$93 off

查看適用禮券

Buy

Preview

Buy for others

帶你掌握最前沿的AI技術，成為AI時代的領軍者！
從理論到實踐，自然語言處理必修指南
精通AI × NLP，快速脫穎而出！

【內容簡介】
♔ 深度學習必備：理解AI與NLP理論，從入門到精通
♔ 實戰案例解析：豐富的程式碼實例，培養實戰能力
♔ 模型優化祕訣：掌握最新AI技術，提升模型表現
♔ 全面培訓實戰：初學者或專業人士可精進AI專案程式

本書內容改編自第15屆iThome鐵人賽AI & Data組佳作系列文章《30天內成為NLP大師：掌握關鍵工具和技巧》。本書從基礎理論到實務應用，詳細介紹了自然語言處理的發展過程及相關技術，且循序漸進解釋了AI中的數學原理，如線性代數、矩陣相乘及機率，並將這些理論應用於深度學習模型中。

此外，本書內容還涵蓋了如何建立、訓練及優化自然語言處理模型的實作步驟，並介紹目前最熱門的模型架構，如Transformer、BERT、GPT、LLaMA等，指導讀者如何在實際應用中微調這些模型，以達到最佳效果。對於那些希望參與人工智慧競賽或是提升程式設計技能的讀者，本書也提供大量實例與程式碼，幫助讀者更加理解和掌握這些技術。

【本書特色】
✪理解人工智慧實際上的運作原理以及電腦是如何理解文字資料的。
✪完整介紹自然語言處理的「重要發展」與「最近進展」，讓你快速上手自然語言處理這一領域。
✪全面理解大型語言模型的奧妙與其相關評估指標。
✪告訴你模型優化技巧，讓你能在競賽中獲取優良名次。
✪讓你擁有工程師的「程式風格」與培育「自學思維」。

【目標讀者】
✪對人工智慧懷抱熱情的初學者與愛好者。
✪希望快速學習、累積人工智慧程式專案經驗的程式設計師和開發者。
✪數學理論強但程式設計經驗有限、想踏入人工智慧領域的學習者。
✪希望參加人工智慧競賽的參賽者。
✪希望了解最新NLP技術發展的技術專業人士。

【專業推薦】
「對許多人而言，AI技術既熟悉又遙遠，其快速發展加劇了資訊焦慮。在這個背景下，我推薦這本關於生成式AI與大型語言模型（LLM）開發實務的書籍，因為它提供了一個極具深度和廣度的學習資源，無論是剛接觸人工智慧領域的初學者，還是希望深入理解生成式AI的專業人士，都能從中獲得啟發與實踐經驗。本書的特點在於其層層遞進的結構設計，將複雜的理論與實務操作相結合，讓讀者能夠逐步建立起紮實的人工智慧知識體系。」

──── 李俊宏，國立高雄科技大學電機工程系資通組教授

「本書中的內容並不是單純地傳授如何使用特定工具，而是透過詳細的範例與步驟，讓讀者理解背後的邏輯，書中提供了豐富的實作指導，幫助讀者不只實現模型的搭建，還能深入探討模型優化的細節，這對於那些正在學習如何調整超參數來提高模型效能的讀者來說，尤為重要。本書是一本適合任何階段的讀者閱讀的書籍，無論你是剛入門的學生，還是有一定經驗的開發者，都能在這裡找到進一步提升的機會。」

──── 吳宇祈，國立成功大學電機工程系碩士生

黃朝隆

國立高雄應用科技大學電機工程系碩士班，專攻電機與資訊工程。在學期間積極參與多項學術研究和實務專案，並將這些經驗應用於各類競賽，曾取得AI CUP亞軍及專題競賽等優異成績。

作者致力於將複雜的概念，以簡潔和易於理解的方式傳遞給他人。除了學術上的成就，作者也熱衷於教育工作，不僅在國內擔任家教，更曾在國外擔任碩士生的程式語言家教。強調自主學習的重要性，希望培養學生的自學能力，幫助他們發現自己的學習節奏與興趣所在，透過設計具挑戰性且實用的課程，讓學生不僅能掌握理論知識，更能培養獨立思考與解決問題的能力。

帶你掌握最前沿的AI技術，成為AI時代的領軍者！
從理論到實踐，自然語言處理必修指南
精通AI × NLP，快速脫穎而出！

【專業推薦】
「對許多人而言，AI技術既熟悉又遙遠，其快速發展加劇了資訊焦慮。在這個背景下，我推薦這本關於生成式AI與大型語言模型（LLM）開發實務的書籍，因為它提供了一個極具深度和廣度的學習資源，無論是剛接觸人工智慧領域的初學者，還是希望深入理解生成式AI的專業人士，都能從中獲得啟發與實踐經驗。本書的特點在於其層層遞進的結構設計，將複雜的理論與實務操作相結合，讓讀者能夠逐步建立起紮實的人工智慧知識體系。」
─ 李俊宏，國立高雄科技大學電機工程系資通組教授

「本書中的內容並不是單純地傳授如何使用特定工具，而是透過詳細的範例與步驟，讓讀者理解背後的邏輯，書中提供了豐富的實作指導，幫助讀者不只實現模型的搭建，還能深入探討模型優化的細節，這對於那些正在學習如何調整超參數來提高模型效能的讀者來說，尤為重要。本書是一本適合任何階段的讀者閱讀的書籍，無論你是剛入門的學生，還是有一定經驗的開發者，都能在這裡找到進一步提升的機會。」
─ 吳宇祈，國立成功大學電機工程系碩士生

【內容簡介】
♔ 深度學習必備：理解AI與NLP理論，從入門到精通
♔ 實戰案例解析：豐富的程式碼實例，培養實戰能力
♔ 模型優化祕訣：掌握最新AI技術，提升模型表現
♔ 全面培訓實戰：初學者或專業人士可精進AI專案程式

本書內容改編自第15屆iThome鐵人賽AI & Data組佳作系列文章《30天內成為NLP大師：掌握關鍵工具和技巧》。本書從基礎理論到實務應用，詳細介紹了自然語言處理的發展過程及相關技術，且循序漸進解釋了AI中的數學原理，如線性代數、矩陣相乘及機率，並將這些理論應用於深度學習模型中。

此外，本書內容還涵蓋了如何建立、訓練及優化自然語言處理模型的實作步驟，並介紹目前最熱門的模型架構，如Transformer、BERT、GPT、LLaMA等，指導讀者如何在實際應用中微調這些模型，以達到最佳效果。對於那些希望參與人工智慧競賽或是提升程式設計技能的讀者，本書也提供大量實例與程式碼，幫助讀者更加理解和掌握這些技術。

【本書特色】
✪理解人工智慧實際上的運作原理以及電腦是如何理解文字資料的。
✪完整介紹自然語言處理的「重要發展」與「最近進展」，讓你快速上手自然語言處理這一領域。
✪全面理解大型語言模型的奧妙與其相關評估指標。
✪告訴你模型優化技巧，讓你能在競賽中獲取優良名次。
✪讓你擁有工程師的「程式風格」與培育「自學思維」。

【目標讀者】
✪對人工智慧懷抱熱情的初學者與愛好者。
✪希望快速學習、累積人工智慧程式專案經驗的程式設計師和開發者。
✪數學理論強但程式設計經驗有限、想踏入人工智慧領域的學習者。
✪希望參加人工智慧競賽的參賽者。
✪希望了解最新NLP技術發展的技術專業人士。

|Chapter 01| 模型該如何理解文字
1.1 Tokenizer介紹
1.2 文字向量化的方式
1.3 程式實作：建立BPE Tokenizer
1.4 本章總結

|Chapter 02| 用數學來告訴你何謂神經網路
2.1 自然語言模型是如何運行的
2.2 程式實作：手刻NLP神經網路
2.3 本章總結

|Chapter 03| Pytorch的訓練方式與模型的優化方式
3.1 模型的優化方式
3.2 Pytorch介紹與安裝
3.3 程式實作：建立訓練器
3.4 本章總結

|Chapter 04| 文字也是一種有時間序列的資料
4.1 循環神經網路
4.2 LSTM（Long short-term memory）
4.3 GRU（Gated Recurrent Unit ）
4.4 程式實作：IMDB影評情緒分析
4.5 本章總結

|Chapter 05| 該如何生成文字Seq2seq架構解析
5.1 Seq2Sqe 介紹
5.2 Seq2Sqe + Attention
5.3 程式實作：中英翻譯模型
5.4 本章總結

|Chapter 06| 萬物皆可Transformer
6.1 Transformer介紹
6.2 Transformer Encoder
6.3 Transformer Decoder
6.4 程式實作：新聞文字摘要
6.5 本章總結

|Chapter 07| 站在巨人肩膀上的預訓練模型BERT
7.1 預訓練模型
7.2 模型微調
7.3 BERT
7.4 程式實作：使用SQuAD做QA問答
7.5 本章總結

|Chapter 08| 暴力的美學GPT的強大能力
8.1 GPT-1
8.2 GPT-2
8.3 GPT-3
8.4 程式實作：用生成式AI來回答問題
8.5 本章總結

|Chapter 09| 大型語言模型時代的起點
9.1 InstructGPT
9.2 ChatGPT
9.3 ChatGPT API申請方式
9.4 程式實作：打造個人的Linebot助手
9.5 本章總結

|Chapter 10| 建立屬於自己的大型語言模型
10.1 LLaMA
10.2 QLorA
10.3 NEFtune
10.4 程式實作：用LLaMA 3訓練聊天機器人
10.5 本章總結asnd |Chapter 01| 模型該如何理解文字
1.1 Tokenizer介紹
1.2 文字向量化的方式
1.3 程式實作：建立BPE Tokenizer
1.4 本章總結

|Chapter 02| 用數學來告訴你何謂神經網路
2.1 自然語言模型是如何運行的
2.2 程式實作：手刻NLP神經網路
2.3 本章總結

|Chapter 03| Pytorch的訓練方式與模型的優化方式
3.1 模型的優化方式
3.2 Pytorch介紹與安裝
3.3 程式實作：建立訓練器
3.4 本章總結

|Chapter 04| 文字也是一種有時間序列的資料
4.1 循環神經網路
4.2 LSTM（Long short-term memory）
4.3 GRU（Gated Recurrent Unit ）
4.4 程式實作：IMDB影評情緒分析
4.5 本章總結

|Chapter 05| 該如何生成文字Seq2seq架構解析
5.1 Seq2Sqe 介紹
5.2 Seq2Sqe + Attention
5.3 程式實作：中英翻譯模型
5.4 本章總結

|Chapter 06| 萬物皆可Transformer
6.1 Transformer介紹
6.2 Transformer Encoder
6.3 Transformer Decoder
6.4 程式實作：新聞文字摘要
6.5 本章總結

|Chapter 07| 站在巨人肩膀上的預訓練模型BERT
7.1 預訓練模型
7.2 模型微調
7.3 BERT
7.4 程式實作：使用SQuAD做QA問答
7.5 本章總結

|Chapter 08| 暴力的美學GPT的強大能力
8.1 GPT-1
8.2 GPT-2
8.3 GPT-3
8.4 程式實作：用生成式AI來回答問題
8.5 本章總結

|Chapter 09| 大型語言模型時代的起點
9.1 InstructGPT
9.2 ChatGPT
9.3 ChatGPT API申請方式
9.4 程式實作：打造個人的Linebot助手
9.5 本章總結

|Chapter 10| 建立屬於自己的大型語言模型
10.1 LLaMA
10.2 QLorA
10.3 NEFtune
10.4 程式實作：用LLaMA 3訓練聊天機器人
10.5 本章總結askw |Chapter 01| 模型該如何理解文字
1.1 Tokenizer介紹
1.2 文字向量化的方式
1.3 程式實作：建立BPE Tokenizer
1.4 本章總結

|Chapter 02| 用數學來告訴你何謂神經網路
2.1 自然語言模型是如何運行的
2.2 程式實作：手刻NLP神經網路
2.3 本章總結

|Chapter 03| Pytorch的訓練方式與模型的優化方式
3.1 模型的優化方式
3.2 Pytorch介紹與安裝
3.3 程式實作：建立訓練器
3.4 本章總結

|Chapter 04| 文字也是一種有時間序列的資料
4.1 循環神經網路
4.2 LSTM（Long short-term memory）
4.3 GRU（Gated Recurrent Unit ）
4.4 程式實作：IMDB影評情緒分析
4.5 本章總結

|Chapter 05| 該如何生成文字Seq2seq架構解析
5.1 Seq2Sqe 介紹
5.2 Seq2Sqe + Attention
5.3 程式實作：中英翻譯模型
5.4 本章總結

|Chapter 06| 萬物皆可Transformer
6.1 Transformer介紹
6.2 Transformer Encoder
6.3 Transformer Decoder
6.4 程式實作：新聞文字摘要
6.5 本章總結

|Chapter 07| 站在巨人肩膀上的預訓練模型BERT
7.1 預訓練模型
7.2 模型微調
7.3 BERT
7.4 程式實作：使用SQuAD做QA問答
7.5 本章總結

|Chapter 08| 暴力的美學GPT的強大能力
8.1 GPT-1
8.2 GPT-2
8.3 GPT-3
8.4 程式實作：用生成式AI來回答問題
8.5 本章總結

|Chapter 09| 大型語言模型時代的起點
9.1 InstructGPT
9.2 ChatGPT
9.3 ChatGPT API申請方式
9.4 程式實作：打造個人的Linebot助手
9.5 本章總結

|Chapter 10| 建立屬於自己的大型語言模型
10.1 LLaMA
10.2 QLorA
10.3 NEFtune
10.4 程式實作：用LLaMA 3訓練聊天機器人
10.5 本章總結

Details

Released

2024/10/18

Language

Traditional Chinese

File format

PDF: Fit in large screen

Provide Adobe DRM

Provide PDF

Offer DRM free license

478873

ISBN

9786264140522

Buy products firstAnd download app to watch

Details

All

Management

Investing

Marketing

All

LGBTQ

Literature

Fiction

Romantic Fiction

All

Recreation

Illustrated Book

Fortune Telling

Travel

Eating Habits

Fitness

All

History/Geography

Law

Politics/Military

Applied Sciences

Natural Sciences

Philosophy

Biographies

Sociology

All

Computers/Technology

Language

All

Motivational

Health/Nutrition

Christianity

Buddhism

Taoism

Islam

Other Religions

Relationships

All

Comics

Illustrations

Fan Works

Romance Mangas for Teens

Teenage Mangas

High School Mangas

Romance Mangas

Yaoi Mangas

GL Mangas

TL Mangas

Gay Mangas

Others

All

Performance Art

Art

Design

Photography

All

Education

Kids/Teenagers

Pregnancy/Childbirth

All

Study

Government Exams

Financial Licenses

Teacher Exams

Professional Exams

TOEFL/TOEIC

Learning Skills

Official Publications

Job Hunting Exams

All

Female Photo Books

Male Photo Books

All

Business Management

Investing

Direct Marketing

Advertising

Law

All

News Analysis