Sztuczna inteligencja
Eric Richardson, Filipi Pires
Modern organizations rely on complex vendor ecosystems, but third-party risk management (TPRM) and cybersecurity often operate in silos. This book shows how to connect vendor risk management with supply chain cybersecurity using a practical, lifecycle-driven approach.You’ll design a program covering onboarding, vendor risk assessment, continuous monitoring, and offboarding. You’ll begin by examining why TPRM and cybersecurity often operate in separate lanes, and what that gap costs in downtime, breach impact, and compliance exposure. Next, you’ll develop a modern taxonomy of supply chain risk, including fourth-party dependencies and software supply chain concerns, so risk discussions use consistent categories and measurable assumptions.From there, you’ll adopt a lifecycle-based model to structure vendor onboarding, assessment, monitoring, and offboarding—supported by vendor tiering, segmentation, and control mapping. The final chapter focuses on the regulatory blueprint: how to interpret NIST C-SCRM, ISO/IEC 27036, DORA, GDPR, and Executive Order 14028, then convert them into evidence-driven controls and audit-ready documentation.
Train Your Own GPT. How to Train ChatGPT to Think Like You
MrExcel's Holy Macro! Books, Bill Jelen
This book offers a hands-on guide to building GPTs that learn, adapt, and respond in your unique style. It begins by breaking down how ChatGPT understands instructions, then guides readers through training personalized GPTs that automate tasks, create structured outputs, and integrate across business applications.Readers gain practical experience in linking GPTs with Excel, Power Automate, and APIs while exploring advanced memory, context, and action features. With clear guidance, examples, and exercises, the book bridges theory and application to make AI personalization achievable for any professional.By the end, readers can confidently design custom AI agents that extend beyond ChatGPT’s limits—capable of mirroring workflows, preferences, and communication style for real-world automation and creativity.
Mercury Learning and Information, Oswald Campesato
This book offers an in-depth exploration of the Transformer architecture, BERT models, and the GPT series, including GPT-3 and GPT-4. Beginning with foundational concepts like the attention mechanism and tokenization techniques, it delves into the intricacies of Transformer and BERT architectures. Advanced topics cover the latest developments in the GPT series, including ChatGPT. Key chapters provide insights into the evolution and significance of attention in deep learning, the nuances of Transformer architecture, a detailed exploration of the BERT family, and hands-on guidance on working with GPT-3.The journey continues with a comprehensive overview of ChatGPT, GPT-4, and visualization using generative AI. The book also discusses influential AI organizations such as DeepMind, OpenAI, Cohere, and Hugging Face. Readers will gain a thorough understanding of the current landscape of NLP models, their underlying architectures, and practical applications.Companion files with numerous code samples and figures from the book enhance the learning experience, providing practical tools and resources. This book is an essential guide for those seeking to master the latest advancements in natural language processing and generative AI.
Denis Rothman
Transformery zrewolucjonizowały przetwarzanie języka naturalnego, analizę obrazów i komputerowe widzenie. Oparte na transformerach duże modele generatywne dostępne za pośrednictwem systemu ChatGPT z GPT-4V w zadaniach przetwarzania tekstu i obrazów przewyższają wydajność człowieka. Aby uczestniczyć w tej nowej erze technologicznej, musisz zrozumieć, jak działają transformery. Tę książkę docenią praktycy: analitycy danych i inżynierowie uczenia maszynowego. Opisano w niej różne architektury transformerów - od pierwszych modeli podstawowych po najnowsze osiągnięcia w generatywnej sztucznej inteligencji. Dzięki lekturze nauczysz się wstępnego szkolenia i dostrajania modeli LLM, a także pracy nad różnymi przypadkami użycia. Poznasz takie problemy jak halucynacje i zagrożenia prywatności, a następnie dowiesz się, jak je łagodzić. W książce pokazano ponadto, jak poprawiać dokładność modeli LLM i uzyskiwać większą kontrolę nad generowanymi przez nie wynikami. Nie zabrakło ciekawych szczegółów dotyczących modeli generatywnych opartych na transformerach, modeli wizyjnych i architektur multimodalnych, jak również opisu najlepszych praktyk. Najciekawsze tematy: wstępne szkolenie i dostrajanie modeli LLM platformy: Hugging Face, OpenAI i Google Vertex AI tokenizery i najlepsze praktyki wstępnego przetwarzania danych językowych techniki łagodzenia halucynacji wizualizacja aktywności modeli transformerów z użyciem systemów BertViz, LIME i SHAP modele wizyjne i multimodalne oparte na transformerach: CLIP, DALL-E 2, DALL-E 3 i GPT-4V Sztuczna inteligencja, która widzi i mówi - przekonaj się, jak to działa!
Tworzenie aplikacji AI z LlamaIndex. Praktyczny przewodnik po RAG i LLM
Andrei Gheorghiu
Chociaż sztuczna inteligencja (AI), która generuje treści, wciąż się rozwija, to nadal boryka się z pewnymi ograniczeniami. Mogą to być trudności w odróżnianiu prawdy od fałszu, problem z utrzymaniem kontekstu w długich dokumentach czy występowanie nieprzewidywalnych błędów w rozumowaniu i zapamiętywaniu faktów. Generowanie wspomagane wyszukiwaniem (RAG) ułatwia rozwiązanie wielu z tych problemów, a narzędziem, które do tego służy, jest framework LlamaIndex. Dzięki tej książce łatwiej poradzisz sobie z zastosowaniem ekosystemu LlamaIndex i nauczysz się wdrażać własne projekty. Na praktycznych przykładach zapoznasz się z procesem personalizacji i uruchamiania projektów LlamaIndex. Dowiesz się, jak przezwyciężać ograniczenia dużych modeli językowych, zbudujesz aplikacje dla użytkowników końcowych i zdobędziesz umiejętności w zakresie pozyskiwania danych, indeksowania, obsługi zapytań i łączenia dynamicznych baz wiedzy, obejmujących generatywną sztuczną inteligencję i duże modele językowe. Pod koniec lektury zagłębisz się w tworzenie niestandardowych rozwiązań, co pozwoli Ci dobrze zrozumieć możliwości i zastosowania LlamaIndex. Ciekawsze zagadnienia: ekosystem LlamaIndex i typowe przypadki użycia wprowadzanie i analizowanie w LlamaIndex danych z różnych źródeł tworzenie zoptymalizowanych indeksów wysyłanie zapytań do LlamaIndex i interpretacja odpowiedzi koszty i kwestie prywatności wdrażanie aplikacji LlamaIndex Pokochaj LlamaIndex - i twórz inteligentne aplikacje!
Olivier Caelen, Marie-Alice Blete
ChatGPT wywołał wstrząs w branży technologicznej. Programiści i wynalazcy otrzymali niesamowite możliwości dostępne na wyciągnięcie ręki. Interfejs API OpenAI i towarzyszące mu biblioteki stanowią gotowe rozwiązanie dla każdego twórcy aplikacji opartych na sztucznej inteligencji. Programista za pomocą zaledwie kilku linii kodu może implementować w swoich projektach wyrafinowane funkcje. Książka płynnie łączy teorię z praktyką, przystępnie opisuje zawiłości modeli GPT-4 i ChatGPT. Lucas Soares, inżynier uczenia maszynowego w Biometrid Ta napisana jasnym językiem książka stanowi kompleksowy przewodnik dla programistów Pythona, którzy chcą budować aplikacje bazujące na dużych modelach językowych. Zaprezentowano w niej główne cechy i zasady działania modeli GPT-4 i ChatGPT. Znalazły się tu także instrukcje, jak krok po kroku tworzyć w Pythonie aplikacje korzystające z modeli do generowania treści, odpowiadania na pytania i streszczania tekstów. Istotną zaletą są przejrzyste przykłady i dołączone pliki z kodami, pomocne w tworzeniu konkretnych projektów. Dzięki tej książce z łatwością wykorzystasz moc dużych modeli językowych w swoich aplikacjach! Dowiesz się: jak działają modele ChatGPT i GPT-4 i do czego mogą być przydatne jak korzystać z modeli NLP w aplikacjach Pythona jak używać interfejsów API modeli do przetwarzania języka naturalnego jak stosować zaawansowane techniki, takie jak inżynieria monitu jak dostrajać modele do określonych zadań Autorzy wytyczają ścieżkę do tworzenia najnowocześniejszych aplikacji! Tom Taulli, autor Generative AI
Olivier Caelen, Marie-Alice Blete
Powoli przyzwyczajamy się do niesamowitych możliwości ChatGPT. Interfejs API OpenAI i towarzyszące mu biblioteki stanowią gotowe rozwiązanie dla każdego, kto chce tworzyć aplikacje oparte na sztucznej inteligencji. Tylko kilka linii kodu dzieli Cię od wspaniałych implementacji! Książka płynnie łączy teorię z praktyką, przystępnie opisuje zawiłości modeli GPT-4 i ChatGPT. Lucas Soares, inżynier uczenia maszynowego w Biometrid Ta niewielka, przystępnie napisana książka jest drugim wydaniem kompleksowego przewodnika dla programistów Pythona, którzy chcą budować aplikacje bazujące na dużych modelach językowych. Zaprezentowano w niej główne cechy i zasady działania modeli GPT-4 i GPT-3.5 z uwzględnieniem najnowszych osiągnięć w rozwoju technologii sztucznej inteligencji. Znalazły się tu także instrukcje, jak krok po kroku tworzyć aplikacje z zastosowaniem biblioteki OpenAI dla Pythona, włączając w to generowanie treści, odpowiadanie na pytania i inteligentnych asystentów. Dodatkowe ułatwienie stanowią przejrzyste przykłady i dołączone do wydania pliki z kodami. Dzięki tej książce z łatwością wykorzystasz moc dużych modeli językowych w swoich aplikacjach! Dowiesz się: czym są modele ChatGPT i GPT-4, jak działają i jakie niosą korzyści jak w aplikacjach Pythona korzystać z modeli do przetwarzania języka naturalnego jak radzić sobie z dużymi modelami językowymi jak używać interfejsów API modeli do przetwarzania języka naturalnego jak stosować zaawansowane techniki, takie jak inżynieria promptów jak dostrajać modele do określonych zadań Autorzy wytyczają ścieżkę do tworzenia najnowocześniejszych aplikacji! Tom Taulli, autor książki Programowanie wspomagane sztuczną inteligencją
Uczenie maszynowe. Elementy matematyki w analizie danych
Leszek Albrzykowski
Na styku matematyki i informatyki Uczenie maszynowe (ML) i sztuczna inteligencja (AI). Obok komputerów kwantowych to dwa główne, gorące tematy we współczesnej informatyce. Oba nieco tajemnicze, futurystyczne i przede wszystkim wymagające posiadania dość sporej wiedzy i umiejętności matematycznych. Stąd podręczniki akademickie poświęcone sztucznej inteligencji i uczeniu maszynowemu zwykle są grube, ciężkie i naszpikowane detalami. Niesprzyjające szybkiej nauce i w rzeczywistości wcale nie takie… podręczne. Inaczej jest z tą niewielkich rozmiarów książką. Jej autor przedstawia tematy związane z AI i ML z naciskiem na matematykę, tłumaczy jednak wszystko krok po kroku ― tak by czytelnikom było łatwiej je zrozumieć. Zagadnienia matematyczne są tu objaśniane o tyle, o ile jest to konieczne dla opanowania konkretnych treści z zakresu uczenia maszynowego. Znajdziesz tu omówienie takich kluczowych zagadnień jak: Wnioskowanie bayesowskie Modele liniowe Zmienne informatywne i entropia informacji Ocena wpływu cech na model Detekcja anomalii Ocena modelu