Guide de démarrage rapide des grands modèles de langage : stratégies et bonnes pratiques pour utiliser ChatGPT et autres LLM

Le guide pratique, étape par étape, pour utiliser les LLM à grande échelle dans les projets et les produits

Les grands modèles de langage (LLM) comme ChatGPT démontrent des capacités époustouflantes, mais leur taille et leur complexité ont dissuadé de nombreux praticiens de les appliquer. Dans Quick Start Guide to Large Language Models , le scientifique des données et entrepreneur en IA pionnier Sinan Ozdemir élimine ces obstacles et fournit un guide pour travailler avec, intégrer et déployer les LLM afin de résoudre des problèmes pratiques.

Ozdemir rassemble tout ce dont vous avez besoin pour commencer, même si vous n'avez aucune expérience directe avec les LLM : instructions étape par étape, meilleures pratiques, études de cas réelles, exercices pratiques, et plus encore. Au fil de la lecture, il partage des informations sur le fonctionnement interne des LLM pour vous aider à optimiser le choix du modèle, les formats de données, les paramètres et les performances. Vous trouverez encore plus de ressources sur le site web d'accompagnement, y compris des ensembles de données d'exemple et du code pour travailler avec des LLM open-source et propriétaires tels que ceux d'OpenAI (GPT-4 et ChatGPT), Google (BERT, T5 et Bard), EleutherAI (GPT-J et GPT-Neo), Cohere (la famille Command) et Meta (BART et la famille LLaMA).

Apprenez les concepts clés : pré-entraînement, apprentissage par transfert, fine-tuning, attention, embeddings, tokenisation, et plus encore Utilisez des API et Python pour fine-tuner et personnaliser les LLM selon vos exigences Construisez un système complet de recherche d'information neural/sémantique et connectez-le à des LLM conversationnels pour la génération augmentée de récupération Maîtrisez les techniques avancées d'ingénierie de prompts comme la structuration de la sortie, la chaîne de pensée et le prompting few-shot sémantique Personnalisez les embeddings de LLM pour construire un moteur de recommandation complet à partir de zéro avec des données utilisateur Construisez et fine-tunez des architectures Transformer multimodales en utilisant des LLM open-source Alignez les LLM en utilisant l'apprentissage par renforcement à partir de retours humains et d'IA (RLHF/RLAIF) Déployez des prompts et des LLM personnalisés et fine-tunés dans le cloud en gardant à l'esprit la scalabilité et les pipelines d'évaluation "En équilibrant le potentiel des modèles open-source et propriétaires, Quick Start Guide to Large Language Models s'impose comme un guide complet pour comprendre et utiliser les LLM, comblant le fossé entre les concepts théoriques et l'application pratique."
-- Giada Pistilli , Éthicienne principale chez HuggingFace

"Une ressource rafraîchissante et inspirante. Remplie de conseils pratiques et d'explications claires qui vous rendent plus intelligent sur ce nouveau domaine incroyable."
-- Pete Huang , auteur de The Neuron

Enregistrez votre livre pour un accès pratique aux téléchargements, mises à jour et/ou corrections à mesure qu'ils deviennent disponibles. Voir l'intérieur du livre pour plus de détails.