ما در آیتی هلو از شهریور ۱۴۰۲ کارمون رو با عشق به کتاب و یادگیری شروع کردیم. تخصص ما چاپ کتابهای تخصصی به زبان اصلیه و با استفاده از تکنولوژیهای روز و مواد اولیه باکیفیت، مطمئن میشیم که هر کتاب از نظر ظاهر و محتوا در بهترین سطح قرار بگیره.
هدفمون اینه که دسترسی به منابع علمی و آموزشی معتبر رو برای همه سادهتر کنیم و در این مسیر، همراه و همکار خوبی برای شما باشیم.
Using Language Models in Al-Enabled Applications
مدلهای زبانی بزرگ نمایانگر یک مرز غیرمعمول و شگفتانگیز در توسعه هوش مصنوعی هستند. به لطف چتباتهای تجاری پیشرفته، این فناوریها در عرض چند سال کوتاه از حباب بحثهای تخصصی و فنی خارج شده و به مفهومی آشنا برای تقریباً تمام انسانهای روی کره زمین تبدیل شدهاند. مهندسان یادگیری ماشین و دانشمندان داده همواره عادت داشتهاند با تکنیکهایی کار کنند که کمتر کسی نام آنها را شنیده است. بنابراین، مواجهه با دنیایی که در آن همه افراد از مدیران غیرفنی تا کاربران عادی درباره حوزه تخصصی شما با احساساتی متناقض از شور و شوق تا ترس و نگرانی صحبت میکنند، نیازمند یک تطبیقپذیری ذهنی و فنی است.
هیجان پیرامون این فناوری کاملاً منطقی است، زیرا ما به طور همزمان چندین سد بزرگ را در هوش مصنوعی شکستهایم و در طیف وسیعی از وظایف پیشرفتهای سریعی داشتهایم. اما با وجود تمام این تحولات، روشی که ما به شکلی قابل اتکا برای حل مسائل با استفاده از یادگیری ماشین به کار میگیریم، از نظر بنیادین تغییر نکرده است. چالش اصلی متخصصان فنی در حال حاضر، یافتن راهکارها و الگوهای معماری صحیح برای ادغام مدلهای زبانی در جریانهای کاری و محصولات نرمافزاری است، در حالی که باید نظرات غیرتخصصی و انتظارات غیرواقعبینانه را نیز مدیریت کنند. این کتاب دقیقاً با هدف حل همین چالشها تالیف شده است و پتانسیلهای واقعی، روشهای ارزیابی دقیق و الگوهای طراحی مناسب را برای برنامههای کاربردی علم داده آموزش میدهد.
این اثر به طور ویژه برای دانشمندان داده، مهندسان یادگیری ماشین و توسعهدهندگان نرمافزار نوشته شده است که قصد دارند فراتر از استفادههای سطحی، مدلهای زبانی بزرگ را به صورت برنامهنویسی شده و ساختاریافته در پروژههای خود ادغام کنند.
اگر با اکوسیستم مدلهای زبانی آشنایی دارید، میتوانید بر اساس نیاز خود مستقیماً به سراغ فصلهای پیشرفته بروید. اما اگر به تازگی قصد دارید از طریق کدنویسی با این مدلها تعامل داشته باشید یا با مفاهیم پایهای علم داده آشنایی کمتری دارید، مطالعه فصلهای ابتدایی برای درک عمیقتر الگوهای پیشرفته در فصلهای بعدی به شدت توصیه میشود. این کتاب به شما کمک میکند تا به عنوان یک متخصص، تصمیمات معماری مبتنی بر داده بگیرید و از ابزارهای هوش مصنوعی به عنوان موتورهای پردازشی قدرتمند بهره ببرید.
این کتاب در دوازده فصل پیوسته و تحلیلی تدوین شده است تا شما را از مفاهیم پایه تا ساخت سیستمهای خودمختار و هوشمند همراهی کند. در ادامه به کالبدشکافی این سرفصلها میپردازیم.
سه فصل ابتدایی کتاب وظیفه پیریزی دانش شما را بر عهده دارند. در فصل اول، با مفهوم دقیق مدلهای زبانی و تاریخچه تحولاتی که منجر به پیدایش مدلهای زبانی بزرگ مدرن شد، آشنا میشوید. این بخش با بررسی معماری مدلها و فرآیندهای آموزش، درک شهودی شما را برای تشخیص کاربردهای مختلف هر مدل تقویت میکند.
کلمات کلیدی:فصل دوم به بررسی طیف وسیعی از کتابخانهها، بستههای نرمافزاری و مدلهای متنباز و تجاری میپردازد. شما با فریمورکهایی آشنا میشوید که برای توسعه برنامههای پیچیده بر روی لایهای از مدلهای زبانی مختلف طراحی شدهاند. فصل سوم نیز بر مفاهیم ضروری علم داده تمرکز دارد. در این بخش میآموزید که خروجی این مدلها ماهیتاً تصادفی است و برای ساخت سیستمهای پایدار، نیازمند تکنیکهای ارزیابی پیشرفته برای کاهش تاثیر این تصادفی بودن بر تجربه کاربران نهایی هستید.
از فصل چهارم به بعد، کتاب به سراغ استراتژیهای عملی میرود. فصل چهارم بر روی یکی از قدرتمندترین قابلیتهای مدلهای زبانی، یعنی نمایش معنای متون در قالب بردارهای با ابعاد بالا (Semantic Vectors) تمرکز دارد.
فصل پنجم تکنیکهایی را برای استفاده از مدلهای زبانی جهت استخراج بینش از دادههای متنی و همچنین تفسیر و توضیح عملکرد راهکارهای مبتنی بر مدلهای زبانی ارائه میدهد. در فصل ششم، هنر و تکنیک مهندسی پرامپت از حالت بدون نمونه تا چند نمونهای (Zero-to-Few Shot Prompting) بررسی میشود. شما یاد میگیرید که چگونه با توصیف دقیق وظایف و اعمال محدودیتهای ساختاری بر خروجی، مدلهای زبانی را وادار کنید تا به عنوان سیستمهای پردازشی ساختاریافته عمل کنند.
فصل هفتم ایده نوآورانهای را مطرح میکند: استفاده از مدلهای زبانی برای انجام وظایف کلاسیک علم داده. شما میآموزید که چگونه از این مدلها برای برچسبگذاری خودکار دادهها و طراحی خطوط لوله مهندسی ویژگی (Feature Pipelines) استفاده کنید.
فصل هشتم به عمق قابلیتهای تولیدی این مدلها نفوذ میکند و نشان میدهد که چگونه میتوان از دانش نهفته در مدلهای زبانی برای تولید مجموعهدادههای ساختگی (Synthetic Data Generation) جهت آموزش سیستمهای دیگر یا حل مسائل دارای کمبود داده بهره برد.
فصل نهم به یکی از پرکاربردترین الگوهای طراحی امروزی، یعنی کاربردهای بازیابی معنایی با استفاده از امبدینگهای مدلهای زبانی میپردازد که پایه و اساس سیستمهای پرسش و پاسخ سازمانی است.
در فصل دهم، ایده در نظر گرفتن کد به عنوان نوعی از زبان بررسی میشود و قابلیتهای شگفتانگیز تولید کد توسط این مدلها تحلیل میگردد. فصل یازدهم این ایده را گسترش داده و به سراغ تحلیلگری خودکار (Automated Analytics) میرود؛ جایی که مدلها میتوانند وظایف علم داده و تحلیل را مستقلاً پیش ببرند. در نهایت، فصل دوازدهم نقطه اوج کتاب است که به توسعه هوش مصنوعی عاملمحور (Agentic AI) اختصاص دارد. در این بخش، نحوه استفاده از مدلهای زبانی مجهز به قابلیت استفاده از ابزارها (Tool Use)، به عنوان موتور محرک برای کنترل فرآیندهای پیچیده و چندمرحلهای آموزش داده میشود.
درک معماریهای پیچیده هوش مصنوعی و پیادهسازی الگوهای علم داده نیازمند تمرکز بالا و رجوع مداوم به مفاهیم پایهای است. با در اختیار داشتن نسخه چاپی این اثر، شما یک مرجع فیزیکی و قابل اتکا در کتابخانه تخصصی خود دارید. میتوانید ساختارهای پیچیده پرامپتینگ و معماری سیستمهای عاملمحور را در حاشیه صفحات یادداشتبرداری کنید و در حین کدنویسی در محیطهای لینوکسی یا پایتون، بدون پرت شدن حواس توسط صفحات نمایشگر متعدد، به سرعت به الگوهای طراحی دسترسی پیدا کنید. این کتاب چاپی ابزاری ماندگار برای تثبیت دانش شما در عصر جدید توسعه نرمافزار است.
نمونه چاپ کتاب موجود نیست.
نظرات کاربران (0)