[Ulasan] Hands-On Large Language Models: Language Understanding and Generation (Jay Alammar) Diringkaskan.

Hands-On Large Language Models: Language Understanding and Generation (Jay Alammar)

- Amazon USA Store: https://www.amazon.com/dp/1098150961?tag=9natree-20
- Amazon Worldwide Store: https://global.buys.trade/Hands-On-Large-Language-Models%3A-Language-Understanding-and-Generation-Jay-Alammar.html

- Apple Books: https://books.apple.com/us/audiobook/hands-on-large-language-models-language-understanding/id1811445471?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree

- eBay: https://www.ebay.com/sch/i.html?_nkw=Hands+On+Large+Language+Models+Language+Understanding+and+Generation+Jay+Alammar+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1

- Shopee: https://asia.buys.trade/shopee_Hands-On-Large-Language-Models-Jay-Alammar.html
- Lazada: https://asia.buys.trade/lazada_Hands-On-Large-Language-Models-Jay-Alammar.html
- Tiktok: https://asia.buys.trade/tiktok_Hands-On-Large-Language-Models-Jay-Alammar.html

- Baca selanjutnya: https://malaysian.9natree.com/read/1098150961/

#SenibinaTransformer #Embeddingsemantik #Denseretrievaldanreranker #Retrievalaugmentedgeneration #Contrastivefinetuning #HandsOnLargeLanguageModels

Hands-On Large Language Models: Language Understanding and Generation, karya Jay Alammar dan Maarten Grootendorst, ialah buku teknikal berbentuk panduan praktikal tentang cara memahami dan menggunakan model bahasa besar, atau LLM. Diterbitkan dalam konteks kemajuan pesat AI generatif, buku ini tidak sekadar menunjukkan cara memanggil API atau menulis arahan ringkas. Ia menerangkan asas yang menjadikan model seperti keluarga GPT dan BERT berguna, kemudian menghubungkannya dengan tugasan sebenar seperti pengelasan teks, pengelompokan dokumen, carian semantik, penjanaan kandungan, dan retrieval-augmented generation, atau RAG. Pendekatannya menonjol kerana bersifat intuition-first, iaitu pembaca dibantu memahami idea sebelum dibebankan dengan formula matematik. Ilustrasi yang banyak dan kod yang tersedia untuk dicuba menjadikan konsep seperti token, embedding, transformer, serta fine-tuning lebih mudah diikuti. Tujuan utamanya ialah membina keupayaan pembaca untuk memilih, menilai, dan menyesuaikan model pralatih bagi masalah bahasa yang sebenar, bukan hanya menggunakan LLM sebagai kotak hitam.