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: [1 ed.]
نویسندگان: David Baum
سری:
ISBN (شابک) : 9781394238422, 9781394238439
ناشر:
سال نشر: 2024
تعداد صفحات: [52]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 Mb
در صورت تبدیل فایل کتاب Generative AI and LLMs for Dummies 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 هوش مصنوعی و LLM های مولد برای Dummies 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.
Title Page Copyright Page Table of Contents Introduction About This Book Icons Used in This Book Beyond the Book Chapter 1 Introducing Gen AI and the Role of Data The Historical Context of Gen AI Introducing LLMs and foundation models Transforming the AI landscape Accelerating AI functions The Role of Data in AI Projects Explaining the Importance of Generative AI to the Enterprise Pretrained models Security versus ease of use Managing Gen AI Projects with a Cloud Data Platform Chapter 2 Understanding Large Language Models Categorizing LLMs Defining general-purpose LLMs Using task-specific and domain-specific LLMs Reviewing the Technology Behind LLMs Introducing key terms and concepts Explaining the importance of vector embeddings Identifying developer tools and frameworks Enforcing data governance and security Extending governance for all data types Chapter 3 LLM App Project Lifecycle Defining the Use Case and Scope Selecting the right LLM Comparing small and large language models Adapting LLMs to Your Use Case Engineering prompts Learning from context Augmenting text retrieval Fine-tuning language models Reinforcement learning Using a vector database Implementing LLM Applications Deploying apps into containers Allocating specialized hardware Integrating apps and data Chapter 4 Bringing LLM Apps into Production Adapting Data Pipelines Semantic caching Feature injection Context retrieval Processing for Inference Reducing latency Calculating costs Creating User Interfaces Simplifying Development and Deployment Orchestrating AI Agents Chapter 5 Reviewing Security and Ethical Considerations Reiterating the Importance of Security and Governance Centralizing Data Governance Alleviating Biases Acknowledging Open-Source Risks Contending with Hallucinations Observing Copyright Laws Chapter 6 Five Steps to Generative AI Identify Business Problems Select a Data Platform Build a Data Foundation Create a Culture of Collaboration Measure, Learn, Celebrate EULA