کتاب Hands-On Generative AI with Transformers and Diffusion Models (هوش مصنوعی مولد عملی با ترانسفورمرها و مدل‌های انتشار) یک راهنمای جامع و عملی برای ورود به دنیای هیجان‌انگیز هوش مصنوعی مولد است. این کتاب با زبانی ساده و قابل فهم، مفاهیم پیچیده ترانسفورمرها و مدل‌های انتشار را توضیح می‌دهد و به شما کمک می‌کند تا به صورت عملی با این تکنولوژی‌ها کار کنید.
با مطالعه این کتاب، شما قادر خواهید بود مدل‌های هوش مصنوعی مولد خود را برای تولید انواع مختلف داده‌ها، از جمله متن، تصویر، موسیقی و حتی کد، بسازید. این کتاب با مثال‌های عملی فراوان و کدهای قابل اجرا، شما را در مسیر تبدیل شدن به یک متخصص در زمینه هوش مصنوعی مولد قرار می‌دهد.
در ادامه مقدمه‌ای از کتاب Hands-On Generative AI with Transformers and Diffusion Models را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Hands-On Generative AI with Transformers and Diffusion Models:
هوش مصنوعی مولد فناوری انقلابی است که به سرعت از نمایش‌های آزمایشگاهی به کاربردهای دنیای واقعی منتقل شده و بر میلیاردها نفر تأثیر گذاشته است. این فناوری می‌تواند با یادگیری الگوها از داده‌های موجود، محتوای جدیدی مانند تصاویر، متن، صدا، ویدیو و موارد دیگر را ایجاد کند و در نتیجه خلاقیت را تقویت کند، داده‌ها را افزایش دهد یا در بسیاری از وظایف کمک کند. به عنوان مثال، یک مدل هوش مصنوعی مولد آموزش‌دیده روی موسیقی می‌تواند ملودی‌های جدید بسازد، در حالی که یک مدل آموزش‌دیده روی متن می‌تواند داستان‌ها یا حتی کد برنامه‌نویسی تولید کند.
کتاب Hands-On Generative AI with Transformers and Diffusion Models فقط برای متخصصان نیست – برای هر کسی که می‌خواهد در مورد این حوزه جدید و جذاب اطلاعات کسب کند مناسب است. ما بر ساخت مدل‌ها از ابتدا یا غوطه‌وری مستقیم در ریاضیات پیچیده تمرکز نخواهیم کرد. در عوض، از مدل‌های موجود برای حل مشکلات دنیای واقعی استفاده خواهیم کرد و به شما کمک می‌کنیم تا درک جامعی از نحوه عملکرد این تکنیک‌ها ایجاد کنید و پایه و اساسی برای ادامه کاوش‌های شما فراهم کنیم.
ما امیدواریم که این رویکرد عملی به شما کمک کند تا به سرعت و به طور کارآمد با هوش مصنوعی مولد آشنا شوید. شما یاد خواهید گرفت که چگونه از مدل‌های از پیش آموزش‌دیده استفاده کنید، آن‌ها را برای نیازهای خود تطبیق دهید و داده‌های جدیدی با آن‌ها تولید کنید.
همچنین یاد خواهید گرفت که چگونه کیفیت داده‌های تولید شده را ارزیابی کنید و مسائل اخلاقی و اجتماعی که ممکن است از استفاده از هوش مصنوعی مولد ناشی شوند را بررسی کنید. این مواجهه به شما امکان می‌دهد تا با مدل‌های جدید به‌روز باشید و به شما کمک می‌کند تا زمینه‌هایی را که ممکن است بخواهید عمیق‌تر بررسی کنید، شناسایی کنید.
چه کسانی باید کتاب Hands-On Generative AI with Transformers and Diffusion Models را بخوانند
با توجه به محصولات و اخبار چشمگیری که ممکن است در مورد هوش مصنوعی مولد دیده باشید، طبیعی است که نسبت به آن هیجان‌زده یا نگران باشید! این کتاب برای شماست، خواه کنجکاو باشید که چگونه برنامه‌ها می‌توانند تصاویر تولید کنند، می‌خواهید مدلی را برای توییت کردن به سبک خود آموزش دهید یا به دنبال درک عمیق‌تری از محصولاتی مانند ChatGPT هستید. با هوش مصنوعی مولد، ما می‌توانیم همه این کارها و بسیاری از کارهای دیگر را انجام دهیم، از جمله:
- نوشتن خلاصه مقالات خبری
- تولید تصاویر بر اساس یک توصیف
- بهبود کیفیت یک تصویر
- رونویسی جلسات
- تولید گفتار مصنوعی به سبک صدای شما
- ادغام موضوعات یا سبک‌های جدید در مدل‌های تولید تصویر، مانند ایجاد تصاویر “گربه شما که لباس فضانوردی پوشیده است”
صرف نظر از دلیل شما، تصمیم گرفته‌اید که در مورد هوش مصنوعی مولد بیاموزید و این کتاب شما را در این مسیر راهنمایی خواهد کرد.
پیش‌نیازهای کتاب Hands-On Generative AI with Transformers and Diffusion Models
کتاب Hands-On Generative AI with Transformers and Diffusion Models فرض می‌کند که شما با برنامه‌نویسی در پایتون آشنا هستید و درک پایه از یادگیری ماشین، از جمله استفاده اولیه از فریم‌ورک‌هایی مانند PyTorch یا TensorFlow، دارید. داشتن تجربه عملی در آموزش مدل‌ها الزامی نیست، اما برای درک عمیق‌تر محتوا مفید خواهد بود. منابع زیر پایه خوبی برای موضوعات پوشش داده شده در این کتاب فراهم می‌کنند:
- Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd ed., by Aurélien Géron (O’Reilly)
- Deep Learning for Coders with fastai and PyTorch by Jeremy Howard and Sylvain Gugger (O’Reilly)
اگر از پیش‌نیازها احساس دلهره می‌کنید، نگران نباشید! این کتاب برای تقویت شهود شما و ارائه رویکردی عملی برای شروع کار طراحی شده است.
آنچه در کتاب Hands-On Generative AI with Transformers and Diffusion Models خواهید آموخت
کتاب Hands-On Generative AI with Transformers and Diffusion Models به سه بخش تقسیم شده است:
در بخش اول، “بهره‌برداری از مدل‌های باز”، ما بلوک‌های سازنده اساسی هوش مصنوعی مولد را معرفی خواهیم کرد. شما یاد خواهید گرفت که چگونه از مدل‌های از پیش آموزش‌دیده برای تولید متن و تصاویر استفاده کنید. این بخش به شما کمک می‌کند تا اصول اولیه این حوزه را درک کنید و تصویر بزرگتری را درک کنید.
بخش دوم، “انتقال یادگیری برای مدل‌های مولد”، همه چیز در مورد تنظیم دقیق است و روش‌هایی را برای استفاده از مدل‌های موجود و تطبیق آن‌ها با نیازهای خود نشان می‌دهد.
ما شما را در نحوه آموزش یک مفهوم جدید به یک مدل انتشار، سفارشی‌سازی یک مدل ترانسفورمر برای طبقه‌بندی متن و پاسخ در مکالمات و بررسی تکنیک‌های پیشرفته برای کار با مدل‌های بزرگ بر روی سخت‌افزار محدود راهنمایی خواهیم کرد. اگر این اولین باری است که در مورد مدل‌های ترانسفورمر یا انتشار می‌خوانید، نگران نباشید؛ به‌زودی در مورد آن‌ها خواهید آموخت.
در بخش سوم، “گام‌های بعدی”، ایده‌های بخش‌های قبلی را گسترش خواهیم داد و حالت‌های جدیدی مانند صدا را تولید کرده و با کاربردهای جدید خلاقانه خواهیم شد. پس از خواندن کتاب Hands-On Generative AI with Transformers and Diffusion Models، درک جامعی از روش‌ها و تکنیک‌هایی که برنامه‌های کاربردی مولد بر اساس آن‌ها ساخته شده‌اند، خواهید داشت.
نحوه خواندن کتاب Hands-On Generative AI with Transformers and Diffusion Models
ما کتاب را طوری طراحی کرده‌ایم که به ترتیب خوانده شود، اما فصل‌ها را تا حد امکان مستقل نگه داشته‌ایم تا بتوانید به قسمت‌هایی که بیشترین علاقه شما را دارند، بروید. بسیاری از ایده‌های پوشش داده شده در این کتاب برای حالت‌های مختلف اعمال می‌شوند، بنابراین حتی اگر به یک حوزه خاص (مانند تولید تصویر) علاقه دارید، ممکن است خواندن سایر فصل‌ها نیز برای شما ارزشمند باشد.
ما تمرین‌ها و مثال‌های کد را در سراسر کتاب Hands-On Generative AI with Transformers and Diffusion Models گنجانده‌ایم که به شما کمک می‌کند تا با مطالب به صورت عملی آشنا شوید. سعی کنید این تمرین‌ها را در حین پیشرفت انجام دهید و در صورت امکان، ببینید آیا می‌توانید مثال‌ها را با موارد استفاده خود تطبیق دهید. امتحان کردن چیزها برای خودتان به شما کمک می‌کند تا درک عمیق‌تری از مطالب داشته باشید.
در نهایت، خلاصه اکثر فصل‌ها منابع اضافی برای مطالعه بیشتر را فهرست می‌کند. ما شما را تشویق می‌کنیم تا برای عمیق‌تر شدن درک خود از موضوعات پوشش داده شده در کتاب، این منابع را بررسی کنید. نیازی نیست قبل از رفتن به فصل جدید این منابع را بخوانید؛ می‌توانید بعداً، هر زمان که آماده‌اید تا عمیق‌تر به موضوعات مورد علاقه خود بپردازید، به آن‌ها بازگردید.
سرفصل‌های کتاب Hands-On Generative AI with Transformers and Diffusion Models:
- Copyright
- Table of Contents
- Preface
- Who Should Read This Book
- Prerequisites
- What You Will Learn
- How to Read This Book
- Software and Hardware Requirements
- Conventions Used in This Book
- Using Code Examples
- How to Contact Us
- State of the Art: A Moving Target
- Acknowledgments
- Part I. Leveraging Open Models
- Chapter 1. An Introduction to Generative Media
- Chapter 2. Transformers
- Chapter 3. Compressing and Representing Information
- Chapter 4. Diffusion Models
- Chapter 5. Stable Diffusion and Conditional Generation
- Part II. Transfer Learning for Generative Models
- Chapter 6. Fine-Tuning Language Models
- Chapter 7. Fine-Tuning Stable Diffusion
- Part III. Going Further
- Chapter 8. Creative Applications of Text-to-Image Models
- Chapter 9. Generating Audio
- Chapter 10. Rapidly Advancing Areas in Generative Al
- Appendix A. Open Source Tools
- The Hugging Face Stack
- Data
- Wrappers
- Local Inference
- Deployment Tools
- Appendix B. LLM Memory Requirements
- Inference Memory Requirements
- Training Memory Requirements
- Further Reading
- Appendix C. End-to-End Retrieval-Augmented Generation
- Processing the Data
- Embedding the Documents
- Retrieval
- Generation
- Production-Level RAG
- Index
- About the Authors
- Colophon
جهت دانلود کتاب Hands-On Generative AI with Transformers and Diffusion Models می‌توانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.