O korektorze merytorycznym

Przedmowa

Rozdział 1. Czym są transformery?

• Stała złożoność czasowa O(1), która na zawsze zmieniła nasze życie
  • Uwaga O(1) pokonuje rekurencyjne metody O(n)
  • Magia obliczeniowej złożoności czasowej warstwy uwagi
  • Krótka podróż od rekurencji do uwagi
• Od jednego tokena do rewolucji w dziedzinie sztucznej inteligencji
  • Od jednego tokena do całości
• Modele podstawowe
  • Od zadań ogólnych do zadań specjalistycznych
• Rola specjalistów AI
  • Przyszłość specjalistów AI
  • Jakich zasobów powinniśmy używać?
  • Wytyczne dotyczące podejmowania decyzji
• Rozwój łatwych do integracji interfejsów API i asystentów
  • Wybieranie gotowych do użycia bibliotek opartych na API
  • Wybór platformy chmurowej i modelu transformera
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 2. Wprowadzenie do architektury modelu transformera

• Powstanie transformera - uwaga to wszystko, czego potrzebujesz
  • Stos kodera
  • Stos dekodera
• Szkolenie i wydajność
• Transformery Hugging Face
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 3. Emergencja a zadania końcowe - niewidoczne głębiny transformerów

• Zmiana paradygmatu: czym jest zadanie NLP?
  • Wewnątrz głowicy podwarstwy uwagi transformera
  • Analiza emergencji z użyciem ChatGPT
• Badanie potencjału modelu w zakresie wykonywania zadań końcowych
  • Ocena modeli za pomocą wskaźników
  • Ocena dokonywana przez człowieka
• Uruchamianie zadań końcowych
  • CoLA
  • SST-2
  • MRPC
  • WSC
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 4. Postępy w tłumaczeniach z wykorzystaniem Google Trax, Tłumacza Google i Gemini

• Definicja tłumaczenia maszynowego
  • Transdukcje i tłumaczenia wykonywane przez ludzi
  • Transdukcje i tłumaczenia maszynowe
• Ocena tłumaczeń maszynowych
  • Wstępne przetwarzanie zbioru danych WMT
  • Ocena tłumaczeń maszynowych według BLEU
• Tłumaczenia z wykorzystaniem Google Trax
  • Instalowanie biblioteki Trax
  • Tworzenie modelu oryginalnego transformera
  • Inicjalizowanie modelu z wykorzystaniem wyuczonych wag
  • Tokenizowanie zdania
  • Dekodowanie wyjścia z transformera
  • Detokenizowanie i wyświetlanie tłumaczenia
• Tłumaczenie za pomocą Tłumacza Google
  • Tłumaczenie z wykorzystaniem wrappera interfejsu Google Translate Ajax API
• Tłumaczenie z wykorzystaniem systemu Gemini
  • Potencjał systemu Gemini
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 5. Szczegóły dostrajania z wykorzystaniem modelu BERT

• Architektura BERT
  • Stos kodera
• Dostrajanie modelu BERT
  • Określanie celu
  • Ograniczenia sprzętowe
  • Instalowanie transformerów Hugging Face
  • Importowanie modułów
  • Określanie CUDA jako urządzenia dla modułu torch
  • Ładowanie zestawu danych CoLA
  • Tworzenie zdań i list etykiet oraz dodawanie tokenów BERT
  • Aktywowanie tokenizera BERT
  • Przetwarzanie danych
  • Tworzenie masek uwagi
  • Dzielenie danych na zbiór szkoleniowy i zbiór walidacyjny
  • Konwertowanie danych na tensory torch
  • Wybieranie rozmiaru partii i tworzenie iteratora
  • Konfigurowanie modelu BERT
  • Ładowanie bazowego modelu Hugging Face bert-base-uncased
  • Pogrupowane parametry optymalizatora
  • Hiperparametry pętli szkoleniowej
  • Pętla szkolenia
  • Ocena szkolenia
  • Prognozowanie i ocena z użyciem wydzielonego zbioru danych
  • Ocena modelu z wykorzystaniem współczynnika korelacji Matthewsa
  • Ocena za pomocą współczynnika korelacji Matthewsa całego zestawu danych
• Budowanie interfejsu Pythona do interakcji z modelem
  • Zapisywanie modelu
  • Tworzenie interfejsu dla przeszkolonego modelu
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 6. Wstępne szkolenie transformera od podstaw z wykorzystaniem modelu RoBERTa

• Szkolenie tokenizera i wstępne szkolenie transformera
• Budowanie modelu KantaiBERT od podstaw
  • Krok 1. Ładowanie zbioru danych
  • Krok 2. Instalowanie transformerów Hugging Face
  • Krok 3. Szkolenie tokenizera
  • Krok 4. Zapisywanie plików na dysku
  • Krok 5. Ładowanie plików tokenizera po przeszkoleniu
  • Krok 6. Sprawdzanie ograniczeń zasobów: GPU i CUDA
  • Krok 7. Definiowanie konfiguracji modelu
  • Krok 8. Ponowne ładowanie tokenizera w module transformers
  • Krok 9. Inicjalizowanie modelu od podstaw
  • Krok 10. Tworzenie zbioru danych
  • Krok 11. Definiowanie mechanizmu zbierania danych
  • Krok 12. Inicjalizowanie trenera
  • Krok 13. Wstępne szkolenie modelu
  • Krok 14. Zapisywanie przeszkolonego modelu (+ tokenizer + konfiguracja) na dysku
  • Krok 15. Modelowanie języka za pomocą potoku FillMaskPipeline
• Wstępne szkolenie modelu obsługi klienta generatywnej sztucznej inteligencji na danych pochodzących z serwisu X
  • Krok 1. Pobieranie zbioru danych
  • Krok 2. Instalowanie bibliotek Hugging Face: transformers i datasets
  • Krok 3. Ładowanie i filtrowanie danych
  • Krok 4. Sprawdzanie ograniczeń zasobów: układ GPU i CUDA
  • Krok 5. Definiowanie konfiguracji modelu
  • Krok 6. Tworzenie i przetwarzanie zbioru danych
  • Krok 7. Inicjalizowanie obiektu trenera
  • Krok 8. Wstępne szkolenie modelu
  • Krok 9. Zapisywanie modelu
  • Krok 10. Interfejs użytkownika do czatu z agentem generatywnej AI
  • Dalsze szkolenie wstępne
  • Ograniczenia
• Następne kroki
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 7. ChatGPT - rewolucja w generatywnej sztucznej inteligencji

• Model GPT jako technologia ogólnego przeznaczenia
  • Udoskonalenia
  • Rozpowszechnianie
  • Wszechobecność
• Architektura modeli transformerów GPT firmy OpenAI
  • Rozwój modeli transformerów o miliardach parametrów
  • Coraz większe rozmiary modeli transformerów
  • Rozmiar kontekstu i maksymalna długość ścieżki
  • Od dostrajania do modeli zero-shot
  • Stos warstw dekodera
  • Modele GPT
• Modele OpenAI w roli asystentów
  • ChatGPT udostępnia kod źródłowy
  • Asystent tworzenia kodu GitHub Copilot
  • Przykłady promptów ogólnego przeznaczenia
  • Rozpoczęcie pracy z ChatGPT - GPT-4 w roli asystenta
• Rozpoczęcie pracy z API modelu GPT-4
  • Uruchomienie pierwszego zadania NLP z użyciem modelu GPT-4
  • Uruchamianie wielu zadań NLP
• Wykorzystanie techniki RAG z GPT-4
  • Instalacja
  • Odzyskiwanie informacji z dokumentów
  • Zastosowanie techniki RAG
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 8. Dostrajanie modeli GPT OpenAI

• Zarządzanie ryzykiem
• Dostrajanie modelu GPT do wykonywania (generatywnego) zadania uzupełniania
• 1. Przygotowywanie zbioru danych
  • 1.1. Przygotowywanie danych w formacie JSON
  • 1.2. Konwertowanie danych do formatu JSONL
• 2. Dostrajanie oryginalnego modelu
• 3. Uruchamianie dostrojonego modelu GPT
• 4. Zarządzanie zadaniami dostrajania i dostrojonymi modelami
• Przed zakończeniem
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 9. Rozbijanie czarnej skrzynki za pomocą narzędzi do interpretacji działania transformerów

• Wizualizacja działania transformera z użyciem BertViz
  • Uruchamianie BertViz
• Interpretacja działania transformerów Hugging Face za pomocą narzędzia SHAP
  • Podstawowe informacje o SHAP
  • Wyjaśnienie wyników transformerów Hugging Face z użyciem SHAP
• Wizualizacja transformera poprzez uczenie słownikowe
  • Współczynniki transformera
  • Wprowadzenie do LIME
  • Interfejs wizualizacji
• Inne narzędzia interpretacji mechanizmów AI
  • LIT
  • Modele LLM OpenAI wyjaśniają działanie neuronów w transformerach
  • Ograniczenia i kontrola ze strony człowieka
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 10. Badanie roli tokenizerów w kształtowaniu modeli transformerów

• Dopasowywanie zbiorów danych i tokenizerów
  • Najlepsze praktyki
  • Tokenizacja Word2Vec
• Badanie tokenizerów zdań i tokenizerów WordPiece w celu zrozumienia wydajności tokenizerów podwyrazów w kontekście ich wykorzystania przez transformery
  • Tokenizery wyrazów i zdań
  • Tokenizery oparte na podwyrazach
  • Badanie tokenizerów w kodzie
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 11. Wykorzystanie osadzeń LLM jako alternatywy dla precyzyjnego dostrajania

• Osadzenia LLM jako alternatywa dla precyzyjnego dostrajania
  • Od projektowania promptów do inżynierii promptów
• Podstawy osadzania tekstu za pomocą NLTK i Gensim
  • Instalowanie bibliotek
  • 1. Odczytywanie pliku tekstowego
  • 2. Tokenizacja tekstu z użyciem tokenizera Punkt
  • 3. Osadzanie tekstu za pomocą Gensim i Word2Vec
  • 4. Opis modelu
  • 5. Dostęp do słowa i wektora słów
  • 6. Analiza przestrzeni wektorowej Gensim
  • 7. TensorFlow Projector
• Implementacja systemów pytań i odpowiedzi z użyciem technik opartych na osadzeniach
  • 1. Instalowanie bibliotek i wybór modeli
  • 2. Implementacja modelu osadzeń i modelu GPT
  • 3.Przygotowywanie danych do wyszukiwania
  • 4. Wyszukiwanie
  • 5. Zadawanie pytania
• Uczenie transferowe z użyciem osadzeń Ada
  • 1. Zbiór danych Amazon Fine Food Reviews
  • 2. Obliczanie osadzeń Ada i zapisywanie ich w celu ponownego wykorzystania w przyszłości
  • 3. Klasteryzacja
  • 4. Próbki tekstu w klastrach i nazwy klastrów
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 12. Oznaczanie ról semantycznych bez analizy składniowej z wykorzystaniem modelu GPT-4 i ChatGPT

• Rozpoczynanie pracy z technikami SRL
• Wprowadzenie do świata AI bez składni
• Definicja SRL
  • Wizualizacja SRL
• Eksperymenty SRL z ChatGPT z modelem GPT-4
  • Prosty przykład
  • Trudny przykład
• Kwestionowanie zakresu SRL
  • Wyzwania związane z analizą orzeczeń
• Ponowna definicja SRL
• Od technik SRL specyficznych dla zadania do emergencji z wykorzystaniem ChatGPT
  • 1. Instalowanie OpenAI
  • 2. Tworzenie funkcji dialogu z GPT-4
  • 3. Uruchamianie żądań SRL
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 13. Zadania generowania streszczeń z użyciem modeli T5 i ChatGPT

• Projektowanie uniwersalnego modelu tekst - tekst
• Powstanie modeli transformerów tekst - tekst
• Prefiks zamiast formatów specyficznych dla zadań
• Model T5
• Tworzenie streszczeń tekstu z użyciem modelu T5
  • Hugging Face
  • Inicjalizowanie modelu transformera T5
  • Tworzenie streszczeń dokumentów z użyciem modelu T5
• Od transformera tekst - tekst do prognoz nowych słów z użyciem systemu ChatGPT firmy OpenAI
  • Porównanie metod tworzenia streszczeń modelu T5 i systemu ChatGPT
  • Tworzenie streszczeń z użyciem ChatGPT
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 14. Najnowocześniejsze modele LLM Vertex AI i PaLM 2

• Architektura
  • Pathways
  • PaLM
  • PaLM 2
• Asystenty AI
  • Gemini
  • Google Workspace
  • Google Colab Copilot
  • Interfejs Vertex AI modelu PaLM 2
• API PaLM 2 Vertex AI
  • Odpowiadanie na pytania
  • Zadanie typu pytanie - odpowiedź
  • Podsumowanie dialogu
  • Analiza tonu
  • Zadania wielokrotnego wyboru
  • Kod
• Dostrajanie
  • Utworzenie kontenera
  • Dostrajanie modelu
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 15. Pilnowanie gigantów, czyli łagodzenie zagrożeń związanych z użyciem modeli LLM

• Powstanie funkcjonalnej sztucznej inteligencji ogólnej (AGI)
• Ograniczenia instalacji najnowocześniejszych platform
• Auto-BIG-bench
• WandB
• Kiedy agenty AI zaczną się replikować?
• Zarządzanie zagrożeniami
  • Halucynacje i zapamiętywanie
  • Ryzykowne zachowania emergentne
  • Dezinformacja
  • Wywieranie wpływu na opinię publiczną
  • Treści szkodliwe
  • Prywatność
  • Cyberbezpieczeństwo
• Narzędzia do łagodzenia zagrożeń z RLHF i RAG
  • 1. Moderowanie wejścia i wyjścia za pomocą transformerów i bazy reguł
  • 2. Budowanie bazy wiedzy dla systemu ChatGPT i modelu GPT-4
  • 3. Parsowanie żądań użytkownika i korzystanie z bazy wiedzy
  • 4. Generowanie zawartości ChatGPT z funkcją obsługi dialogu
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 16. Nie tylko tekst - transformery wizyjne u progu rewolucyjnej sztucznej inteligencji

• Od modeli niezależnych od zadań do multimodalnych transformerów wizyjnych
• Transformery wizyjne (ViT)
  • Podstawowa architektura ViT
  • Transformery wizyjne w kodzie
• CLIP
  • Podstawowa architektura modelu CLIP
  • CLIP w kodzie
• DALL-E 2 i DALL-E 3
  • Podstawowa architektura DALL-E
  • Wprowadzenie w tematykę API modeli DALL-E 2 i DALL-E 3
• GPT-4V, DALL-E 3 i rozbieżne skojarzenia semantyczne
  • Definicja rozbieżnego skojarzenia semantycznego
  • Tworzenie obrazu z użyciem systemu ChatGPT Plus z DALL-E
  • Wykorzystanie API modelu GPT-4V i eksperymenty z zadaniami DAT
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 17. Przekraczanie granic między obrazem a tekstem z użyciem modelu Stable Diffusion

• Przekraczanie granic generowania obrazu
• Część I. Zamiana tekstu na obraz z użyciem modelu Stable Diffusion
  • 1. Osadzanie tekstu za pomocą kodera transformera
  • 2. Tworzenie losowych obrazów z szumami
  • 3. Próbkowanie w dół modelu Stable Diffusion
  • 4. Próbkowanie w górę na poziomie dekodera
  • 5. Wynikowy obraz
  • Uruchamianie implementacji Keras modelu Stable Diffusion
• Część II. Zamiana tekstu na obraz za pomocą API Stable Diffusion
  • Wykorzystanie modelu Stable Diffusion generatywnej sztucznej inteligencji do wykonania zadania z zakresu skojarzeń rozbieżnych (DAT)
• Część III. Zamiana tekstu na wideo
  • Zamiana tekstu na wideo z użyciem modeli animacji Stability AI
  • Zamiana tekstu na wideo z użyciem odmiany modelu CLIP firmy OpenAI
  • Zamiana wideo na tekst z użyciem modelu TimeSformer
  • Przygotowywanie klatek wideo
  • Wykorzystanie modelu TimeSformer do tworzenia prognoz na podstawie klatek wideo
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 18. AutoTrain na platformie Hugging Face - szkolenie modeli wizyjnych bez kodowania

• Cel i zakres tego rozdziału
• Pierwsze kroki
• Przesyłanie zestawu danych
  • Bez kodowania?
• Szkolenie modeli za pomocą mechanizmu AutoTrain
• Wdrażanie modelu
• Uruchamianie modeli w celu wnioskowania
  • Pobieranie obrazów walidacyjnych
  • Wnioskowanie: klasyfikacja obrazów
  • Eksperymenty walidacyjne na przeszkolonych modelach
  • Wypróbowywanie skuteczności najlepszego modelu ViT dla korpusu obrazów
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 19. Na drodze do funkcjonalnej ogólnej AI z systemem HuggingGPT i jego odpowiednikami

• Definicja systemu F-AGI
• Instalowanie i importowanie bibliotek
• Zbiór walidacyjny
  • Poziom 1 - łatwy obraz
  • Poziom 2 - trudny obraz
  • Poziom 3 - bardzo trudny obraz
• HuggingGPT
  • Poziom 1 - łatwy
  • Poziom 2 - trudny
  • Poziom 3 - bardzo trudny
• CustomGPT
  • Google Cloud Vision
  • Łączenie modeli: Google Cloud Vision z ChatGPT
• Łączenie modeli z użyciem systemu Runway Gen-2
  • Midjourney: wyobraź sobie okręt płynący w przestrzeni galaktycznej
  • Gen-2: niech ten statek pływa po morzu
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Rozdział 20. Nie tylko prompty projektowane przez człowieka - generatywne kreowanie pomysłów

• Część I. Definicja generatywnego kreowania pomysłów
  • Zautomatyzowana architektura kreowania pomysłów
  • Zakres i ograniczenia
• Część II. Automatyzacja projektowania promptów na potrzeby generatywnego projektowania obrazów
  • Prezentacja HTML systemu opartego na ChatGPT z modelem GPT-4
  • Llama 2
  • Wykorzystanie modelu Llama 2 z modelem Hugging Face
  • Midjourney
  • Microsoft Designer
• Część III. Zautomatyzowane generatywne kreowanie pomysłów z użyciem modelu Stable Diffusion
  • 1. Brak promptu, automatyczne instrukcje dla modelu GPT-4
  • 2. Generowanie promptu przez generatywną sztuczną inteligencję z użyciem ChatGPT z modelem GPT-4
  • 3. i 4. Generowanie obrazów przez generatywną sztuczną inteligencję z użyciem modelu Stable Diffusion i ich wyświetlanie
• Przyszłość należy do Ciebie!
  • Przyszłość programistów dzięki technikom VR-AI
• Podsumowanie
• Pytania
• Odnośniki
• Lektura uzupełniająca

Dodatek. Odpowiedzi na pytania

Skorowidz

• Назва: Transformery w przetwarzaniu języka naturalnego i widzenia komputerowego. Generatywna AI oraz modele LLM z wykorzystaniem Hugging Face, ChatGPT, GPT-4V i DALL-E 3. Wydanie III
• Автор: Denis Rothman
• Оригінальна назва: Transformers for Natural Language Processing and Computer Vision: Explore Generative AI and Large Language Models with Hugging Face, ChatGPT, GPT-4V, and DALL-E 3, 3rd Edition
• Переклад: Radosław Meryk
• ISBN: 978-83-289-2051-4, 9788328920514
• Дата видання: 2025-05-20
• Формат: Eлектронна книга
• Ідентифікатор видання: trawpr
• Видавець: Helion