PyTorch

Ihr Guide für eigene RAG-Anwendung!Freuen Sie sich auf einen umfassenden Einstieg in die Welt der Generativen KI mit Python. Dieses Buch deckt Schlüsselkonzepte wie Large Language Models (LLMs), LangChain, Vektordatenbanken und Retrieval-Augmented-Generation (RAG) ab. Sie lernen die Grundlagen des Prompt Engineering kennen und erfahren, wie Sie Agentensysteme entwickeln und deployen.Mit praxisnahen Beispielen und klaren Erklärungen tauchen Sie tief in die Materie ein - ideal für alle, die Generative KI-Lösungen mit Python umsetzen wollen.- Generative KI und LLMs mit LangChain verstehen und implementieren- Vektordatenbanken und RAG-Anwendungen entwickeln- Prompt Engineering, Agentensysteme, Deployment u. v. m.Aus dem Inhalt:- Große Sprachmodelle - LLMs und LMMs- Prompt Engineering- Sprachanalyse (NLP)- Vektordatenbanken- LangChain- HuggingFace- crewAI- AutoGen- OpenAI- und andere APIs- Agentensysteme- Deployment

PyTorch-Programmierung professionell! Das meistbenutzte Deep-Learning-Framework in der Praxis: Lernen Sie für spezifische Aufgaben aus realen Projektszenarien, wie Sie mit PyTorch KI-Modelle trainieren, optimieren und produktiv einsetzen. Bert Gollnick zeigt Ihnen in diesem Buch alle einschlägigen Verfahren inklusive Python-Implementierung, von linearer Regression über große Sprachmodelle bis zur Kombination mehrerer Verfahren. Die Anwendungen beinhalten Computer Vision, RAG-Systeme, Zeitreihenanalysen und vieles mehr. Sie evaluieren und deployen Ihre Modelle mit modernsten Methoden und lernen dafür Tools wie FlowML, TensorBoard und FastAPI kennen. Profitieren Sie von vollständigen Codebeispielen, die auf handelsüblicher Hardware lauffähig sind, und entdecken Sie das Zusammenspiel mit PyTorch Lightning, HuggingFace und weiteren Tools.- Deep Learning von der Datenaufbereitung über Training und Fineturing bis zum Deployment- Vielfältige Architekturen wie Autoencoder, RNNs, LLMs, RAG-Systeme etc.- Inkl. PyTorch Lightning, TensorBoard, LangChain, FastAPI u. v. m.Aus dem Inhalt:- Installation des Frameworks- Deep-Learning-Grundkonzepte- Vortrainierte Modelle verwenden- Daten vorbereiten- Klassifizierungsaufgaben- Computer Vision- Empfehlungssysteme- Graph Neural Networks - Große Sprachmodelle (LLMs)- Zeitreihen-Vorhersagen- PyTorch Lightning- LangChain- Cloud-Deployment mit Heroku- FlowML, TensorBoard und WandB- Lokaler Einsatz mit FastAPI