Packt – Mastering Transformers 2024

در تاریخ: 1405/07/06 8:59:23

توضیحات

کتاب Mastering Transformers. مدل‌های زبانی مبتنی بر ترنسفورمر مانند BERT، T5، GPT، DALL-E و ChatGPT بر مطالعات پردازش زبان طبیعی تسلط یافته و به پارادایم جدیدی تبدیل شده‌اند. این مدل‌ها به لطف قابلیت‌های تنظیم دقیقِ سریع و دقیق خود توانسته‌اند در بسیاری از مسائل چالش‌برانگیز درک زبان طبیعی، عملکردی فراتر از رویکردهای سنتی مبتنی بر یادگیری ماشین ارائه دهند.

علاوه بر پردازش زبان طبیعی، حوزه یادگیری چندوجهی و هوش مصنوعی مولد به سرعت رشد کرده و نتایج نویدبخشی را به همراه داشته است. این کتاب به خواننده کمک می‌کند تا راهکارهای چندوجهی، از جمله تبدیل متن به تصویر را درک و پیاده‌سازی کند. راهکارهای بینایی ماشین مبتنی بر ترنسفورمرها نیز به تفصیل تشریح شده‌اند. مطالعه کتاب با درک مدل‌های مختلف ترنسفورمر آغاز شده و سپس آموزش مدل‌های زبانی خودرگرسیو مانند GPT و XLNet را پوشش می‌دهد. همچنین، بهبود عملکرد مدل و ردیابی آموزش با استفاده از ابزار TensorBoard بررسی می‌شود. در فصل‌های پایانی، تمرکز بر استفاده از ترنسفورمرهای بینایی برای حل مسائل بینایی ماشین و مدل‌سازی داده‌های سری زمانی برای پیش‌بینی است. در نهایت، خواننده درک جامعی از مدل‌های ترنسفورمر و نحوه به‌کارگیری آن‌ها برای غلبه بر چالش‌های پردازش زبان طبیعی و بینایی ماشین کسب می‌کند.

ویژگی های کتاب

تمرکز بر حل مسائل ساده تا پیچیده پردازش زبان طبیعی با زبان پایتون
کشف نحوه حل مسائل دسته‌بندی و رگرسیون با رویکردهای سنتی پردازش زبان طبیعی
آموزش مدل‌های زبانی و بررسی نحوه تنظیم دقیق آن‌ها برای وظایف گوناگون
درک نحوه استفاده از ترنسفورمرها در هوش مصنوعی مولد و بینایی ماشین
ساخت برنامه‌های پردازش زبان طبیعی مبتنی بر ترنسفورمر با کتابخانه transformers پایتون
تمرکز بر تولید زبان نظیر ترجمه ماشینی و هوش مصنوعی مکالمه‌ای در زبان‌های مختلف
سرعت‌بخشیدن به استنتاج مدل ترنسفورمر برای کاهش میزان تاخیر