Praxiseinstieg Large Language Models

Strategien und Best Practices für den Einsatz von ChatGPT und anderen LLMs
1. Auflage 2024
ISBN: 978-3-96009-240-7
Verlag: O'Reilly

Buch, Deutsch, 320 Seiten, Format (B × H): 165 mm x 240 mm

Reihe: Animals

Der Schnellstart in die praktische Arbeit mit LLMs

• Das Buch bietet einen Überblick über zentrale Konzepte und Techniken von LLMs wie z.B. ChatGPT und zeigt das Potenzial von Open-Source- und Closed-Source-Modellen
• Es erläutert, wie Large Language Models funktionieren und wie sie für Aufgaben des Natural Language Processing (NLP) genutzt werden
• Auch für interessierte Nicht-Data-Scientists mit Python-Kenntnissen verständlich
• Themen z.B.: die ChatGPT-API, Prompt-Engineering, Chatbot-Personas, Cloud-Bereitstellung; deckt auch GPT-4 ab

Large Language Models (LLMs) wie ChatGPT zeigen erstaunliche Fähigkeiten, aber ihre Größe und Komplexität halten viele Praktiker*innen davon ab, sie in ihren eigenen Anwendungen einzusetzen. In dieser Einführung räumt Data Scientist und KI-Unternehmer Sinan Ozdemir diese Hindernisse aus dem Weg und bietet einen Leitfaden für den Einsatz von LLMs zur Lösung praktischer NLP-Probleme.

Sinan Ozdemir hat alles zusammengestellt, was Sie für den Einstieg brauchen, auch wenn Sie noch keine Erfahrung mit LLMs haben: Schritt-für-Schritt-Anleitungen, Best Practices, Fallstudien aus der Praxis, Übungsaufgaben und vieles mehr. Gleichzeitig bietet er Einblicke in die Funktionsweise von LLMs, um Sie bei der Auswahl von Modellen, Datenformaten und Parametern zu unterstützen. Auf der begleitenden Website des Autors finden Sie weitere Ressourcen, darunter Beispieldatensätze und Code für die Arbeit mit Open-Source- und Closed-Source-LLMs.

Zielgruppe

Data Scientists, ML Engineers, Programmierer*innen mit Grundkenntnissen in Machine Learning und Large Language Models

Autoren/Hrsg.

Ozdemir, Sinan

Über Autor(innen)

Ozdemir, Sinan
Sinan Ozdemir hat einen Master in Mathematik und ist ein erfolgreicher KI-Unternehmer und Venture-Capital-Berater. Seine ersten Erfahrungen mit Data Science und Machine Learning (ML) sammelte er während seiner Zeit als Dozent an der Johns Hopkins University, wo er mehrere KI-Patente entwickelte.
Später entschied er sich, einen anderen Weg einzuschlagen, und wagte den Sprung in die schnelllebige Welt der Start-ups, indem er sich im kalifornischen Tech-Hotspot San Francisco niederließ. Dort gründete er Kylie.ai, eine innovative Plattform, die die Fähigkeiten der Conversational AI mit Robotic Process Automation (RPA) verschmolz. Kylie.ai wurde schon bald aufgrund ihres überzeugenden Wertversprechens schnell bekannt und 2019 schließlich verkauft.

In dieser Zeit begann Sinan, zahlreiche Lehrbücher über Data Science, KI und ML zu verfassen. Seine Mission ist es, über die Fortschritte in diesem Bereich auf dem Laufenden zu bleiben und dieses Wissen an andere weiterzugeben - eine Philosophie, die er noch aus seiner Zeit als Universitätsdozent mitbringt. In seiner derzeitigen Rolle als CTO bei LoopGenius, einem von Venture Capital unterstützten Startup, steht Sinan im Mittelpunkt eines Teams, das die Möglichkeiten von KI-Anwendungen für die Unternehmensgründung und das Management auslotet.