کتاب Generative AI with Python and PyTorch

تسلط بر تکنیک‌های Generative AI با پایتون و PyTorch

کتاب Generative AI با پایتون و PyTorch، نوشته راگاو بالی و جوزف بابکاک، راهنمایی جامع و عملی برای توسعه‌دهندگانی است که می‌خواهند با استفاده از مدل‌های زبانی بزرگ (LLMs)، شبکه‌های مولد تخاصمی (GANs)، اتوانکودرهای متغیر (VAEs) و LSTMها، برنامه‌های پیشرفته هوش مصنوعی مولد (Generative AI) بسازند. این کتاب با رویکردی پروژه‌محور و با استفاده از فناوری‌های مدرن مانند GPT-4، LangChain و LlamaIndex، شما را از مفاهیم پایه تا کاربردهای پیشرفته در پردازش زبان طبیعی (NLP) و تولید تصویر هدایت می‌کند. این ویرایش دوم، با تمرکز بر آخرین پیشرفت‌ها در GenAI، به شما کمک می‌کند تا سیستم‌های هوش مصنوعی قدرتمند و مقیاس‌پذیر طراحی کنید.

ویژگی‌های کلیدی کتاب

• پیاده‌سازی برنامه‌های واقعی: یادگیری ساخت برنامه‌های عملی GenAI برای NLP و تولید تصویر.

• بهینه‌سازی مدل‌ها: استفاده از تکنیک‌های PEFT و LoRA برای تسریع فرآیند آموزش.

• گسترش ابزارهای LLM: تسلط بر تکنیک‌های RAG، LangChain و LlamaIndex برای بهبود قابلیت‌های مدل‌ها.

• شامل نسخه PDF رایگان: با خرید نسخه چاپی یا کیندل، نسخه PDF کتاب به‌صورت رایگان ارائه می‌شود.

درباره کتاب

Generative AI با پایتون و PyTorch شما را در سفری جامع از مفاهیم پایه تا تکنیک‌های پیشرفته هوش مصنوعی مولد همراهی می‌کند. این کتاب، که توسط دو متخصص برجسته در حوزه داده و یادگیری ماشین نوشته شده، مفاهیم پیچیده را با مثال‌های عملی و رویکردهای آزمایش‌شده در دنیای واقعی ساده‌سازی می‌کند. شما با مدل‌هایی مانند GPT-4، Llama و Mistral کار خواهید کرد، تکنیک‌های مهندسی پرامپت مانند زنجیره تفکر (CoT) و ReAct را یاد خواهید گرفت، و با استفاده از ابزارهایی مانند LangChain و Azure Prompt Flow، سیستم‌های هوشمند خواهید ساخت. همچنین، این کتاب به تولید تصویر با استفاده از GANs، VAEs و مدل‌های انتشار (Diffusion Models) می‌پردازد و کاربردهایی مانند انتقال سبک و دیپ‌فیک‌ها را کاوش می‌کند.

آنچه خواهید آموخت

• درک مفاهیم GenAI: یادگیری اصول مدل‌های زبانی بزرگ و قابلیت‌های آن‌ها.

• مهندسی پرامپت پیشرفته: طراحی پرامپت‌های مؤثر با استفاده از زنجیره تفکر، ReAct و زبان پرس‌وجوی پرامپت.

• تحول NLP با ترنسفورمرها: درک چگونگی تغییر NLP توسط مکانیزم‌های توجه (Attention) و ترنسفورمرها.

• بهینه‌سازی مدل‌های انتشار: ترکیب مدل‌های انتشار با VAEs برای تولید تصاویر باکیفیت.

• ساخت خطوط لوله تولید متن: استفاده از LSTMها و LLMs برای تولید محتوای متنی.

• کار با LLMs متن‌باز: بهره‌گیری از مدل‌هایی مانند Llama و Mistral برای کاربردهای متنوع.

مخاطبان کتاب

این کتاب برای دانشمندان داده، مهندسان یادگیری ماشین و توسعه‌دهندگان نرم‌افزار که به دنبال مهارت‌های عملی در ساخت سیستم‌های GenAI هستند، مناسب است. دانش پایه‌ای از ریاضیات، آمار و برنامه‌نویسی پایتون ضروری است. تجربه قبلی با یادگیری ماشین یا NLP مفید خواهد بود اما الزامی نیست.

درباره نویسندگان

• راگاو بالی: دانشمند داده با چندین اختراع در حوزه هوش مصنوعی، متخصص در طراحی سیستم‌های مقیاس‌پذیر.

• جوزف بابکاک: دارای دکتری و متخصص یادگیری ماشین، با تجربه در توسعه برنامه‌های پیشرفته AI.

فهرست مطالب

بخش اول: مفاهیم پایه GenAI

1. مقدمه‌ای بر هوش مصنوعی مولد: استخراج داده از مدل‌ها
   مروری بر GenAI و کاربردهای آن در NLP و تولید تصویر.

2. بلوک‌های سازنده شبکه‌های عصبی عمیق
   معرفی اصول شبکه‌های عصبی و مفاهیم پایه یادگیری عمیق.

3. ظهور روش‌های تولید متن
   کاوش در تاریخچه و پیشرفت‌های تولید متن در NLP.

4. NLP 2.0: استفاده از ترنسفورمرها برای تولید متن
   درک نقش ترنسفورمرها و مکانیزم توجه در NLP مدرن.

5. مبانی LLMs
   معرفی معماری و قابلیت‌های مدل‌های زبانی بزرگ.

بخش دوم: ابزارها و تکنیک‌های LLMs

1. LLMs متن‌باز
   کار با مدل‌های متن‌باز مانند Llama و Mistral.

2. مهندسی پرامپت
   یادگیری طراحی پرامپت‌های مؤثر با تکنیک‌های CoT و ReAct.

3. جعبه‌ابزار LLM
   کاوش در ابزارهایی مانند LangChain و LlamaIndex برای توسعه برنامه‌های LLM.

4. تکنیک‌های بهینه‌سازی LLM
   استفاده از PEFT و LoRA برای بهبود آموزش و کارایی مدل‌ها.

5. کاربردهای نوظهور در GenAI
   بررسی موارد استفاده جدید مانند چت‌بات‌ها و سیستم‌های هوشمند.

بخش سوم: تولید تصویر و تکنیک‌های پیشرفته

1. شبکه‌های عصبی با VAEs
   یادگیری اتوانکودرهای متغیر برای تولید تصاویر.

2. تولید تصویر با GANs
   استفاده از شبکه‌های مولد تخاصمی برای تولید تصاویر واقعی.

3. انتقال سبک با GANs
   پیاده‌سازی انتقال سبک برای خلق تصاویر هنری.

4. دیپ‌فیک‌ها با GANs
   کاوش در دیپ‌فیک‌ها و ملاحظات اخلاقی آن‌ها.

5. مدل‌های انتشار و هنر هوش مصنوعی
   ترکیب مدل‌های انتشار با VAEs برای تولید تصاویر پیشرفته.