دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [v06 ed.]
نویسندگان: welcome.html
سری: MEAP
ISBN (شابک) : 9781633437166
ناشر:
سال نشر:
تعداد صفحات:
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 13 Mb
در صورت تبدیل فایل کتاب Build a Large Language Model (From Scratch) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ساخت یک مدل زبان بزرگ (از ابتدا) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
در این کتاب از شما دعوت میکنم تا با من سفری آموزشی داشته باشید یاد بگیرید که چگونه مدل های زبان بزرگ (LLM) را از پایه بسازید. با هم، با شروع از داده ها، عمیقاً در خط لوله آموزش LLM کاوش خواهیم کرد بارگیری و به اوج رسیدن LLM ها در مجموعه داده های سفارشی. سالهاست که عمیقاً در دنیای یادگیری عمیق غرق شدهام، کدنویسی LLM ها، و لذت زیادی در توضیح مفاهیم پیچیده پیدا کرده اند به طور کامل این کتاب ایده ای دیرینه در ذهن من بوده است و من هستم خوشحالم که بالاخره این فرصت را دارم که آن را بنویسم و با شما به اشتراک بگذارم. آن ها از شما که با کار من آشنا هستید، به خصوص از وبلاگ من، احتمالا دیده اید نگاهی اجمالی به رویکرد من به کدنویسی از ابتدا. این روش طنین انداز شده است خوب با بسیاری از خوانندگان، و امیدوارم که برای شما به همان اندازه موثر باشد. من این کتاب را برای تأکید بر یادگیری عملی طراحی کرده ام، در درجه اول با استفاده از PyTorch و بدون تکیه بر کتابخانه های از قبل موجود. با این رویکرد، همراه با شکل ها و تصاویر متعدد، قصد دارم یک مطلب را در اختیار شما قرار دهم درک کامل از نحوه کار LLM ها، محدودیت های آنها و روش های سفارشی سازی علاوه بر این، ما گردشهای کاری رایج را بررسی خواهیم کرد و پارادایمهایی در پیشآموزش و تنظیم دقیق LLMها، که بینشهایی را ارائه میدهد توسعه و سفارشی سازی آنها این کتاب با مقدمههای گام به گام دقیق تنظیم شده است که اطمینان حاصل میکند که هیچ جزئیات مهم نادیده گرفته شده است. برای اینکه بیشترین بهره را از این کتاب ببرید، باید دارای سابقه برنامه نویسی پایتون تجربه قبلی در یادگیری عمیق و درک پایه ای از PyTorch یا آشنایی با سایر عمق ها چارچوب های یادگیری مانند TensorFlow مفید خواهد بود
In this book, I invite you to embark on an educational journey with me to learn how to build Large Language Models (LLMs) from the ground up. Together, we'll delve deep into the LLM training pipeline, starting from data loading and culminating in finetuning LLMs on custom datasets. For many years, I've been deeply immersed in the world of deep learning, coding LLMs, and have found great joy in explaining complex concepts thoroughly. This book has been a long-standing idea in my mind, and I'm thrilled to finally have the opportunity to write it and share it with you. Those of you familiar with my work, especially from my blog, have likely seen glimpses of my approach to coding from scratch. This method has resonated well with many readers, and I hope it will be equally effective for you. I've designed the book to emphasize hands-on learning, primarily using PyTorch and without relying on pre-existing libraries. With this approach, coupled with numerous figures and illustrations, I aim to provide you with a thorough understanding of how LLMs work, their limitations, and customization methods. Moreover, we'll explore commonly used workflows and paradigms in pretraining and fine-tuning LLMs, offering insights into their development and customization. The book is structured with detailed step-by-step introductions, ensuring no critical detail is overlooked. To gain the most from this book, you should have a background in Python programming. Prior experience in deep learning and a foundational understanding of PyTorch, or familiarity with other deep learning frameworks like TensorFlow, will be beneficial
Build a Large Language Model (From Scratch) 1. welcome 2. 1_Understanding_Large_Language_Models 3. 2_Working_with_Text_Data 4. 3_Coding_Attention_Mechanisms 5. 4_Implementing_a_GPT_model_from_Scratch_To_Generate_Text 6. 5_Pretraining_on_Unlabeled_Data 7. Appendix_A._Introduction_to_PyTorch 8. Appendix_B._References_and_Further_Reading 9. Appendix_C._Exercise_Solutions 10. Appendix_D._Adding_Bells_and_Whistles_to_the_Training_Loop