今天给大家推荐这本4月份才新出的大型语言模型（LLM）的书《基于GPT-3、ChatGPT、GPT-4等Transformer架构的自然语言处理》！Google工程总监Antonio Gulli作序，一堆大佬推荐！这含金量不用多说。
本教程内容主要内容
• 了解用于解决复杂语言问题的新技术
• 将GPT-3与T5、GPT-2和基于BERT的Transformer的结果进行对比
• 使用TensorFlow、PyTorch和GPT-3执行情感分析、文本摘要、非正式语言分析、机器翻译等任务
• 了解ViT和CLIP如何标注图像(包括模糊化)，并使用DALL-E从文本生成图像
• 学习ChatGPT和GPT-4的高级提示工程机制
pdf 公.zhu.号： AI智能江河
《基于GPT-3、ChatGPT、GPT-4等Transformer架构的自然语言处理》分步展示如何微调GPT-3等预训练模型。研究机器翻译、语音转文本、文本转语音、问答等NLP任务，并介绍解决NLP难题的技术，甚至帮助你应对假新闻焦虑(详见第13章)。
从书中可了解到，诸如OpenAI的高级平台将Transformer扩展到语言领域、计算机视觉领域，并允许使用DALL-E 2、ChatGPT和GPT-4生成代码。通过本书，你将了解到Transformer的工作原理以及如何实施Transformer来决NLP问题。
书籍目录如下：
第1 章 Transformer 模型介绍
- 1.1 Transformer 的生态系统
- 1.2 使用Transformer 优化NLP模型
- 1.3 我们应该使用哪些资源
- 1.4 本章小结
- 1.5 练习题
第2 章 Transformer 模型架构入门
- 2.1 Transformer 的崛起：注意力就是一切
- 2.2 训练和性能
- 2.3 Hugging Face 的Transformer模型
- 2.4 本章小结
- 2.5 练习题
第3 章 微调BERT 模型
- 3.1 BERT 的架构
- 3.2 微调BERT
- 3.3 本章小结
- 3.4 练习题
第4 章 从头开始预训练RoBERTa模型
- 4.1 训练词元分析器和预训练Transformer
- 4.2 从头开始构建Kantai BERT
- 4.3 后续步骤
- 4.4 本章小结
- 4.5 练习题
第5 章 使用Transformer 处理下游NLP 任务
- 5.1 Transformer 的转导与感知
- 5.2 Transformer 性能与人类基准
- 5.3 执行下游任务
- 5.4 本章小结
- 5.5 练习题
第6 章 机器翻译
- 6.1 什么是机器翻译
- 6.2 对WMT 数据集进行预处理
- 6.3 用BLEU 评估机器翻译
- 6.4 Google 翻译
- 6.5 使用Trax 进行翻译
- 6.6 本章小结
- 6.7 练习题
第7 章 GPT-3
- 7.1 具有GPT-3 Transformer模型的超人类NLP
- 7.2 OpenAI GPT Transformer模型的架构
- 7.3 使用GPT-2 进行文本补全
- 7.4 训练自定义GPT-2 语言模型
- 7.5 使用OpenAI GPT-3
- 7.6 比较GPT-2 和GPT-3 的输出
- 7.7 微调GPT-3
- 7.8 工业4.0 AI 专家所需的技能
- 7.9 本章小结
- 7.10 练习题
第8 章 文本摘要(以法律和财务文档为例)
- 8.1 文本到文本模型
- 8.2 使用T5 进行文本摘要
- 8.3 使用GPT-3 进行文本摘要
- 8.4 本章小结
- 8.5 练习题
第9 章 数据集预处理和词元分析器
- 9.1 对数据集进行预处理和词元分析器
- 9.2 深入探讨场景4 和场景5
- 9.3 GPT-3 的NLU 能力
- 9.4 本章小结
- 9.5 练习题
第10 章 基于BERT 的语义角色标注
- 10.1 SRL 入门
- 10.2 基于BERT 模型的SRL
- 实验
- 10.3 基本示例
- 10.4 复杂示例
- 10.5 SRL 的能力范围
- 10.6 本章小结
- 10.7 练习题
第11 章 使用Transformer 进行问答
- 11.1 方法论
- 11.2 方法0：试错法
- 11.3 方法1：NER
- 11.4 方法2：SRL
- 11.5 后续步骤
- 11.6 本章小结
- 11.7 练习题
第12 章 情绪分析
- 12.1 入门：使用Transformer进行情绪分析
- 12.2 斯坦福情绪树库(SST)
- 12.3 通过情绪分析预测客户行为
- 12.4 使用GPT-3 进行情绪分析
- 12.5 工业4.0 依然需要人类
- 12.6 本章小结
- 12.7 练习题
第13 章 使用Transformer 分析假新闻
- 13.1 对假新闻的情绪反应
- 13.2 理性处理假新闻的方法
- 13.3 在我们继续之前
- 13.4 本章小结
- 13.5 练习题
第14 章 可解释AI
- 14.1 使用BertViz 可视化Transformer
- 14.2 LIT
- 14.3 使用字典学习可视化Transformer
- 14.4 探索我们无法访问的模型
- 14.5 本章小结
- 14.6 练习题
第15 章 从NLP 到计算机视觉
- 15.1 选择模型和生态系统
- 15.2 Reformer
- 15.3 DeBERTa
- 15.4 Transformer 视觉模型
- 15.5 不断扩大的模型宇宙
- 15.6 本章小结
- 15.7 练习题
第16 章 AI 助理
- 16.1 提示工程
本书将带领你开发代码和设计提示(这是一项控制Transformer 模型行为的新的“编程”技能)。每一章都会使用Python、PyTorch 和TensorFlow 从头开始讲授语言理解的关键方面。
你将学习原始Transformer、Google BERT、OpenAI GPT-3、T5 和其他几个模型的架构。最后一章将在前面16 章所学知识的基础上，展示ChatGPT 和GPT-4 的增强能力。你将学会如何微调Transformer，如何从头开始训练模型，如何使用强大的API。
pdf 公.zhu.号： AI智能江河
PDF一览：
pdf 公.zhu.号： AI智能江河
