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:
نویسندگان: Esposito. Francesco
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
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.
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
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
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