ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Programming Large Language Models With Azure Open Ai: Conversational Programming and Prompt Engineering With Llms (Developer Reference)

دانلود کتاب برنامه نویسی مدل های زبان بزرگ با Azure Open Ai: برنامه نویسی مکالمه و مهندسی سریع با Llms (مرجع توسعه دهنده)

Programming Large Language Models With Azure Open Ai: Conversational Programming and Prompt Engineering With Llms (Developer Reference)

مشخصات کتاب

Programming Large Language Models With Azure Open Ai: Conversational Programming and Prompt Engineering With Llms (Developer Reference)

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9780138280376, 0138280371 
ناشر: Microsoft Pr 
سال نشر: 2024 
تعداد صفحات: 661 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 31 Mb 

قیمت کتاب (تومان) : 29,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 4


در صورت تبدیل فایل کتاب Programming Large Language Models With Azure Open Ai: Conversational Programming and Prompt Engineering With Llms (Developer Reference) 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 برنامه نویسی مدل های زبان بزرگ با Azure Open Ai: برنامه نویسی مکالمه و مهندسی سریع با Llms (مرجع توسعه دهنده) 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.


توضیحاتی در مورد کتاب برنامه نویسی مدل های زبان بزرگ با Azure Open Ai: برنامه نویسی مکالمه و مهندسی سریع با Llms (مرجع توسعه دهنده)

از LLM برای ساختن نرم افزارهای تجاری بهتر استفاده کنید\r\n\r\nارتباط مستقل با کاربران و بهینه سازی وظایف تجاری با برنامه های کاربردی ساخته شده برای ایجاد تعامل بین انسان و رایانه صاف و طبیعی. کارشناس هوش مصنوعی فرانچسکو اسپوزیتو چندین سناریو را نشان می دهد که LLM برای آنها موثر است: ایجاد راه حل های تجاری پیچیده، کاهش فاصله بین انسان ها و ماشین های مجهز به نرم افزار، و ساخت موتورهای استدلال قدرتمند. بینش برنامه‌نویسی محاوره‌ای و محاوره‌ای - با تکنیک‌های خاص برای الگوها و چارچوب‌ها - نشان می‌دهد که چگونه زبان طبیعی می‌تواند به یک رویکرد جدید و پیشرفته برای کدنویسی منجر شود. نمایش‌های انتها به انتها (شامل Python و ASP.NET Core) الگوهای همه کاره تعامل بین فرآیندهای موجود، APIها، داده‌ها و ورودی‌های انسانی را به نمایش می‌گذارند.\r\n\r\nفرانچسکو اسپوزیتو کارشناس هوش مصنوعی به شما کمک می کند\r\n\r\nتاریخچه مدل های زبان بزرگ و برنامه نویسی مکالمه را درک کنید\r\nدرخواست را به عنوان روشی جدید برای کدنویسی اعمال کنید\r\nتکنیک های اصلی و موارد استفاده اساسی را بیاموزید\r\nدرخواست های پیشرفته مهندسی، از جمله اتصال LLM به داده ها و فراخوانی عملکرد برای ساخت موتورهای استدلال\r\nاز زبان طبیعی در کد برای تعریف گردش کار و هماهنگ کردن API های موجود استفاده کنید\r\nبر فریم ورک های خارجی LLM مسلط شوید\r\nنگرانی‌های مربوط به امنیت، حریم خصوصی و دقت هوش مصنوعی را ارزیابی کنید\r\nچشم انداز نظارتی هوش مصنوعی را کاوش کنید\r\nیک دستیار شخصی بسازید و اجرا کنید\r\nاز یک الگوی تولید افزوده بازیابی (RAG) برای فرموله کردن پاسخ‌ها بر اساس پایگاه دانش استفاده کنید\r\nیک رابط کاربری مکالمه بسازید\r\nبرای متخصصان و مشاوران فناوری اطلاعات\r\n\r\nبرای متخصصان نرم افزار، معماران، توسعه دهندگان اصلی، برنامه نویسان و علاقه مندان به یادگیری ماشین\r\nبرای هر کسی که علاقه مند به پردازش زبان طبیعی یا دنیای واقعی است\r\nکاربردهای زبان انسان مانند در نرم افزار


توضیحاتی درمورد کتاب به خارجی

Use LLMs to build better business software applications Autonomously communicate with users and optimize business tasks with applications built to make the interaction between humans and computers smooth and natural. Artificial Intelligence expert Francesco Esposito illustrates several scenarios for which a LLM is effective: crafting sophisticated business solutions, shortening the gap between humans and software-equipped machines, and building powerful reasoning engines. Insight into prompting and conversational programming—with specific techniques for patterns and frameworks—unlock how natural language can also lead to a new, advanced approach to coding. Concrete end-to-end demonstrations (featuring Python and ASP.NET Core) showcase versatile patterns of interaction between existing processes, APIs, data, and human input. Artificial Intelligence expert Francesco Esposito helps you Understand the history of large language models and conversational programming Apply prompting as a new way of coding Learn core prompting techniques and fundamental use-cases Engineer advanced prompts, including connecting LLMs to data and function calling to build reasoning engines Use natural language in code to define workflows and orchestrate existing APIs Master external LLM frameworks Evaluate responsible AI security, privacy, and accuracy concerns Explore the AI regulatory landscape Build and implement a personal assistant Apply a retrieval augmented generation (RAG) pattern to formulate responses based on a knowledge base Construct a conversational user interface For IT Professionals and Consultants For software professionals, architects, lead developers, programmers, and Machine Learning enthusiasts For anyone else interested in natural language processing or real-world applications of human-like language in software



فهرست مطالب

Title Page
Copyright Page
Dedication
Contents at a Glance
Contents
Acknowledgments
Introduction
	Who should read this book
	Assumptions
	This book might not be for you if…
	Organization of this book
	Downloads: notebooks and samples
	Errata, updates, & book support
	Stay in touch
Chapter 1. The genesis and an analysis of large language models
	LLMs at a glance
	Facts of conversational programming
	Summary
Chapter 2. Core prompt learning techniques
	What is prompt engineering?
	Basic techniques
	Fundamental use cases
	LLM limitations
	Summary
Chapter 3. Engineering advanced learning prompts
	What’s beyond prompt engineering?
	Function calling
	Talking to (separated) data
	Summary
Chapter 4. Mastering language frameworks
	The need for an orchestrator
	LangChain
	Microsoft Semantic Kernel
	Microsoft Guidance
	Summary
Chapter 5. Security, privacy, and accuracy concerns
	Overview
	Security and privacy
	Evaluation and content filtering
	Summary
Chapter 6. Building a personal assistant
	Overview of the chatbot web application
	The project
	Summary
Chapter 7. Chat with your data
	Overview
	What is Streamlit?
	The project
	Progressing further
	Summary
Chapter 8. Conversational UI
	Overview
	The project
	Summary
Appendix. Inner functioning of LLMs
	The role of probability
	The case of GPT
Index
Code Snippets




نظرات کاربران