Anwendungen mit GPT-4 und ChatGPT entwickeln

Nutzen Sie die Leistungsfähigkeit von Large Language Models für wirklich innovative Anwendungen. Dieses Buch vermittelt Ihnen Schritt für Schritt das notwendige Wissen, um GPT-4 und ChatGPT in Ihre eigenen Projekte zu integrieren. Es verbindet nahtlos Theorie und Praxis und macht die Komplexität von GPT-4 und GPT 3. 5 für Programmierer:innen verständlich. Die Themen reichen von den grundlegenden Prinzipien der LLMs und der API-Integration bis hin zu Prompt Engineering und Feintuning. Die aktualisierte und erweiterte 2. Auflage behandelt neben GPT 4 und GPT 3. 5 jetzt auch GPT 4o sowie das Thema Multimodalität. Diese Einführung zeigt Python-Entwicklerinnen und -Entwicklern, wie sie Anwendungen mit Large Language Models erstellen. Olivier Caelen und Marie-Alice Blete erklären die wichtigsten Features von GPT-4 und GPT-3. 5 und beschreiben, wie sie für eigene NLP-Aufgaben eingesetzt werden können. In nachvollziehbaren Schritten wird erläutert, wie Sie mithilfe der OpenAI-Python-Bibliothek Applikationen zur Textgenerierung, für das Question Answering oder für intelligente Assistenten entwickeln. Anschauliche Beispiele sowie klare und detaillierte Erklärungen unterstützen Sie dabei, die Konzepte zu verstehen und sie auf Ihre Projekte anzuwenden. Die Codebeispiele sind in einem GitHub- Repository verfügbar. Zudem enthält das Buch ein Glossar mit den wichtigsten Begriffen. Für diese 2. Auflage wurde das Buch aktualisiert und deutlich erweitert, es berücksichtigt die neuesten Entwicklungen in der KI-Technologie wie beispielsweise GPT-4o und Multimodalität. Sind Sie bereit, das Potenzial von Large Language Models in Ihren Anwendungen zu nutzen. Dann ist dieses Buch ein Muss für Sie. Es behandelt:. Grundlagen und Stärken von GPT-4- und GPT-3. 5-Modellen und deren Funktionsweise. Die Integration dieser Modelle in Python-basierte Anwendungen für Aufgaben im Natural Language Processing. Beispielprojekte, die den Einsatz der OpenAI-API für Aufgaben wie Texterstellung, Inhaltszusammenfassung, Dokumentenklassifikation oder Sentimentanalyse demonstrieren. Fortgeschrittene LLM-Themen wie das Prompt Engineering, das Optimieren von Modellen, RAG, Plug-ins, LangChain, LlamaIndex und KI-Assistenten.