基于ChatGPT 和 OpenAI 模型的现代生成式 AI

书籍:Modern Generative AI with ChatGPT and OpenAI Models: Leverage the capabilities of OpenAI's LLM for productivity and innovation with GPT3 and GPT4

作者:Valentina Alto

出版:Packt Publishing

书籍下载-《基于ChatGPT 和 OpenAI 模型的现代生成式 AI》本书将带你深入了解 LLM 的内部工作原理,并指导你创建自己的语言模型。本书将从生成式 AI 领域的介绍开始,帮助你理解如何训练这些模型以生成新数据。icon-default.png?t=N7T8https://mp.weixin.qq.com/s/hiGBmuqsh-K59_2CKuEW8A

01  书籍介绍

生成式 AI 模型和 AI 语言模型因其无与伦比的能力而变得越来越流行。本书将带你深入了解 LLM 的内部工作原理,并指导你创建自己的语言模型。本书将从生成式 AI 领域的介绍开始,帮助你理解如何训练这些模型以生成新数据。

接下来,你将探索 ChatGPT 可以提高生产力和增强创造力的案例。你将学习如何通过改进提示设计和利用零次、一次和少次学习能力来充分利用 ChatGPT 交互。案例分为营销人员、研究人员和开发人员三个类别,这将帮助你更快地将你在本书中学到的知识应用到自己的挑战中。

你还会发现利用 Azure 基础设施上可用的 OpenAI 模型 API 的企业级场景;生成模型(如 GPT-3)和嵌入模型(如 Ada)。对于每个场景,你都将找到一个使用 Python 的端到端实现,使用 Streamlit 作为前端和 LangChain SDK 来促进模型集成到你的应用程序中。

读完本书后,你将能够很好地使用生成式人工智能领域,并开始在自己的项目中使用 ChatGPT 和 OpenAI 模型的 API。

你将学到什么:

· 从基础到中级理解生成式人工智能概念

· 专注于生成式 AI 模型的 GPT 架构

· 通过有效的提示设计最大化 ChatGPT 的价值

· 探索 ChatGPT 的应用和用例

· 通过 API 调用使用 OpenAI 模型和功能

· 使用 Python 构建和部署生成式人工智能系统

· 利用 Azure 基础设施进行企业级用例

· 确保生成式人工智能系统中的负责任的人工智能和道德规范

本书适合谁:

本书适用于有兴趣提高日常工作效率的人员;希望深入了解现实世界应用以增强其组织实力的商界人士;试图找到提高 ML 模型和代码的方法的数据科学家和开发人员;希望利用其领域用例的营销人员和研究人员——所有这些都通过使用 ChatGPT 和 OpenAI 模型来实现。

需要对 Python 有基本了解;但是,本书提供理论描述以及包含代码的部分,以便读者无需运行脚本即可学习具体的用例应用程序。

02  作者简介

Valentina Alto 于 2021 年毕业,专业为数据科学。自 2020 年以来,她一直在 Microsoft 担任 Azure 解决方案专家,自 2022 年以来,她一直专注于制造和制药行业的 data 和 AI 工作负载。她一直在与系统集成商密切合作,在客户项目中部署云架构,重点是现代数据平台、数据网格框架、物联网和实时分析、Azure 机器学习、Azure 认知服务(包括 Azure OpenAI 服务)以及用于仪表盘的 Power BI。自从踏上学术之旅以来,她就在各种出版物上撰写有关统计、机器学习、深度学习和人工智能的技术文章,并撰写了一本有关 Python 机器学习基础的书。

03  书籍大纲

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/327113.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Taro 快速开始

大家好我是苏麟 , 今天聊聊Trao. 官网 : Taro 介绍 | Taro 文档 (jd.com) 点击快速开始 全局安装 CLI 初始化一个项目 选择配置 : 根据自己需求选择 安装失败先不用管 , 用前端工具打开项目 npm install 安装 , 显示安装失败 怎么解决 ? : 查看报错信息 百度 , 问 AI 工具 运…

【Docker系列】Linux部署Docker Compose

💝💝💝欢迎来到我的博客,很高兴能够在这里和您见面!希望您在这里可以感受到一份轻松愉快的氛围,不仅可以获得有趣的内容和知识,也可以畅所欲言、分享您的想法和见解。 推荐:kwan 的首页,持续学…

前端无样式id或者class等来定位标签

目录: 1、使用背景2、代码处理 1、使用背景 客户使用我们产品组件,发现替换文件,每次替换都会新增如下的样式,造就样式错乱,是组件的文件,目前临时处理的话就是替换文件时删除新增的样式,但是发…

【C++11】std::async函数介绍及问题梳理

目录 🌞1. std::async 简介 🌞2. 问题梳理 🌊2.1 std::async 到 future get 直接调用会如何抛异常 🌊2.2 std::async 如果通过劫持让 new 内存不够,有没有可能抛异常 🌊2.3 std::async 如果系统线程不…

电商平台接口自动化框架实践||电商API数据采集接口

电商数据采集接口 语言:python 接口自动化实现流程 红色为可实现/尚未完成 绿色为需要人工干预部分 自动生成测试用例模板(俩种方式二选一): mimproxy,通过浏览器代理抓包方式,访问 H5 或者 web 页面&a…

万物生长大会 | 创邻科技再登杭州准独角兽榜单

近日,由民建中央、中国科协指导,民建浙江省委会、中国投资发展促进会联合办的第八届万物生长大会在杭州举办。 在这场创新创业领域一年一度的盛会上,杭州市创业投资协会联合微链共同发布《2024杭州独角兽&准独角兽企业榜单》。榜单显示&…

【强化学习-Mode-Free DRL】深度强化学习如何选择合适的算法?DQN、DDPG、A3C等经典算法Mode-Free DRL算法的四个核心改进方向

【强化学习-DRL】深度强化学习如何选择合适的算法? 引言:本文第一节先对DRL的脉络进行简要介绍,引出Mode-Free DRL。第二节对Mode-Free DRL的两种分类进行简要介绍,并对三种经典的DQL算法给出其交叉分类情况;第三节对…

Tomcat的实现

在一台电脑上启动tomcat,tomcat是server,即服务器。服务器只会被实例化一次,tomcat这只猫就是服务器。服务器下包含多个子节点服务,即service,顾名思义就是对外提供服务。服务器通常只有一个服务,默认是卡特…

申请免费的域名证书

免费域名证书主要是由一些证书颁发机构(CA)提供的,用于为网站启用HTTPS加密的数字证书,目的是保障网站数据传输的安全性。这些证书的特点和获取途径如下: 功能与目的:免费域名证书能够帮助网站实现基本的加…

Edge浏览器自动翻译功能按钮不见了

前言: 平时偶尔会用到Edge的页面翻译功能,使用挺方便。突然发现Edge浏览器的翻译功能不见 了。如下图所示: 解决思路: 1、从网上找各种解决方案也没有解决,其中有一个说到点右上角的三个点 2、点击设置…

有哪些值得买的开放式耳机推荐?2024年开放式运动耳机选购指南

开放式耳机因其独特设计,能在一定程度上保护听力。相较于传统封闭式耳机,开放式设计允许周围环境声音自然流入耳内,降低了耳内共振和声压,减少了耳道的不适感,从而减轻了对听力的潜在损害。对于追求音质与听力保护并重…

均线金叉死叉及应用案例

5日均线和10日均线交叉 5日均线和10日均线交叉指的是5日和10日均线的相互交汇,根据5日均线运行方向的不同可以分为两种交叉。一是5日均线向上运行并交叉10日均线,二是5日均线向下运行并交叉10日均线,前面的交叉被称为金叉,后面的交叉被称为死叉。 技能解析: 5日均线和10日均…

N5183B是德科技n5183b信号源

181/2461/8938产品概述: 简  述: N5183B 频率范围:9 kHz 至 20 GHz,具有 AM、FM、相位调制功能。N5183B MXG X 系列微波模拟信号发生器拥有 9 kHz 至 40 GHz 的频率覆盖范围,以及接近 PSG 级别的相位噪声性能&…

Qt---绘图和绘图设备

一、QPainter绘图 绘图事件 void paintEvent() 声明一个画家对象,OPainter painter(this) this指定绘图设备 画线、画圆、画矩形、画文字 设置画笔QPen 设置画笔宽度、风格 设置画刷QBrush 设置画刷风格 代码示例: #includ…

以大开放促进大开发 | 陕西粮农集团携手开源网安引领新时代西部大开发

​5月13日,开源网安与陕西粮农集团成功签署战略合作协议。双方将在网络安全保障体系建设及人才培养领域展开深度合作,共同筑牢陕西省数字经济建设安全屏障。陕西省粮农信息技术有限公司总经理解玮峰、陕西省粮农信息技术有限公司安全事业部负责人马德君、…

软件测试之 自动化测试 基于Python语言使用Selenium、ddt、unitTest 实现自动化测试

你好,我是Qiuner. 为记录自己编程学习过程和帮助别人少走弯路而写博客 这是我的 github gitee 如果本篇文章帮到了你 不妨点个赞吧~ 我会很高兴的 😄 (^ ~ ^) 想看更多 那就点个关注吧 我会尽力带来有趣的内容 本文档是一年前学后记得笔记 现在居然还记得很清楚 基于…

渗透神器:burpsuit教程

前言:释疑解惑 《BP使用教程一》发布后,后台收到了许多小伙伴的私信问BP是怎么汉化的,在这里统一为大家解答一下。 BP的汉化依赖于汉化jar包,在启动时引入汉化包即可,废话不多说,直接上命令: …

【强训笔记】day18

NO.1 思路&#xff1a;双指针模拟。to_string将数字转化为字符。 代码实现&#xff1a; class Solution { public:string compressString(string param) {int left0,right0,nparam.size();string ret;while(right<n){while(right1<n&&param[right]param[right…

VBA在Excel中登录页面的应用—动态密码设置

https://mp.weixin.qq.com/s?__biz=MzkwMzY1OTIzOA==&mid=2247484420&idx=1&sn=5f98ef156cd6a784f0b1e64eed11ee42&chksm=c093af8df7e4269bdda3ed4adc37ce5f30707760ad42a2e0c6c3278ff0a0c5fcaf890016f9b5&token=1012529499&lang=zh_CN#rd 文章目录 …

libcity 笔记:libcity/executor/traj_loc_pred_executor.py

1 构造函数 2 _build_optimizer 根据配置中指定的优化器类型创建并返回一个适合用于模型训练的优化器对象 3 _build_scheduler 构建一个学习率调度器&#xff08;scheduler&#xff09; 4 train 5 run 6 _valid_epoch 7 load_model & save_model 保存/加载模型的状态字…