Raamat on lühike ja samas põhjalik juhend keelemudelite ehitamiseks. Kätkeb endas masinõppe matemaatilisi aluseid, vekt esitlemisi ja tehisnärvivõrkude tööd. Kirjeldatakse keele modelleerimise põhimõtteid: sõnapakidest ja embeddingatest kuni korduvate võrkude ja transformere arhitektuurideni. Toovatakse välja täielikud rakendused kirjeldatud mudelitele ja meetoditele...
Pythonis kasutades PyTorchi raamistikku, sealhulgas näidised Jupyteri märkmikes. Kirjeldatakse suurte keeLEMudelide õppimise, peenhäälestamise ja optimeerimise meetodeid: LoRA, küsimuste inseneriteadus, kvaliteedi hindamine, samuti autoriõiguse ja eetika küsimused. Lõpueelne peatükk annab suuniseid edasiseks uurimiseks: ekspertide segu, mudelite tihendamine, eelistustele põhinev joondamine, multimodaalsed mudelid.
Raamat on lühike ja samas põhjalik juhend keelemudelite ehitamiseks. Kätkeb endas masinõppe matemaatilisi aluseid, vekt esitlemisi ja tehisnärvivõrkude tööd. Kirjeldatakse keele modelleerimise põhimõtteid: sõnapakidest ja embeddingatest kuni korduvate võrkude ja transformere arhitektuurideni. Toovatakse välja täielikud rakendused kirjeldatud mudelitele ja meetoditele Pythonis kasutades PyTorchi raamistikku, sealhulgas näidised Jupyteri märkmikes. Kirjeldatakse suurte keeLEMudelide õppimise, peenhäälestamise ja optimeerimise meetodeid: LoRA, küsimuste inseneriteadus, kvaliteedi hindamine, samuti autoriõiguse ja eetika küsimused. Lõpueelne peatükk annab suuniseid edasiseks uurimiseks: ekspertide segu, mudelite tihendamine, eelistustele põhinev joondamine, multimodaalsed mudelid.