book

Desenvolver aplicações com GPT-4 e ChatGPT, 2ª edição

by Olivier Caelen, Marie-Alice Blete

March 2025

Intermediate to advanced

272 pages

7h 45m

Portuguese (Portugal, Brazil)

O'Reilly Media, Inc.

Read now

Unlock full access

Convenções utilizadas neste livroUtilizar exemplos de códigoAprendizagem em linha da O'ReillyComo contactar-nosAgradecimentos
Introdução de modelos linguísticos de grande dimensãoExplorando os fundamentos dos modelos de linguagem e da PNLCompreender a arquitetura do transformador e o seu papel nos LLMsDesmistificando as etapas de tokenização e previsão nos modelos GPTIntegrar a visão num LLMUma breve história: De GPT-1 a GPT-4GPT-1GPT-2GPT-3De GPT-3 a InstructGPTGPT-3.5, ChatGPT, CodexGPT-4A evolução da IA em direção à multimodalidadeCasos de utilização e produtos de exemplo do LLMSê os meus olhosMorgan StanleyAcademia KhanDuolingoYabbleMarca do caminhoInworld AICuidado com as alucinações da IA: Limitações e consideraçõesDesbloqueando o potencial do GPT com recursos avançadosResumo
Conceitos essenciaisModelos disponíveis na API OpenAIBase GPTInstructGPT (Legado)GPT-3.5GPT-4Experimenta os modelos GPT com o OpenAI PlaygroundComeça a trabalhar: A biblioteca Python do OpenAIChave de acesso e API da OpenAIExemplo de "Olá Mundo"Utilização de modelos de conclusão de chatOpções de entrada para o ponto de extremidade de conclusão do chatBrincar com a temperatura e top_pFormato do resultado de saída para o ponto final de conclusão do chatVisãoExigir uma saída JSONUtilizar outros modelos de conclusão de textoOpções de entrada para o ponto de extremidade de conclusão de textoFormato do resultado de saída para o ponto de extremidade de conclusão de textoConsideraçõesPreços e limitações dos tokensSegurança e privacidade: Tem cuidado!Outras APIs e funcionalidades da OpenAIIncorporaçõesModeraçãoTexto para vozFala para textoAPI de imagensResumo (e folha de dicas)
Visão geral do desenvolvimento de aplicaçõesGestão de chaves APISegurança e privacidade dos dadosPrincípios de conceção da arquitetura de softwareIntegrar as capacidades do LLM nos teus projectosCapacidades de conversaçãoCapacidades de processamento da línguaCapacidades de Interação Homem-ComputadorCombinação de capacidadesExemplos de projectosProjeto 1: Construir uma solução geradora de notícias - Processamento de linguagemProjeto 2: Resumir vídeos do YouTube - Processamento de linguagemProjeto 3: Criar um Perito para Zelda BOTW-Processamento de Linguagem e ConversaçõesProjeto 4: Ter um Assistente Pessoal - Interface Homem-ComputadorProjeto 5: Organização de documentos - Processamento de linguagemProjeto 6: Análise de sentimentos - Processamento de linguagemGestão de custosVulnerabilidades de aplicações alimentadas por LLMAnálise de entradas e saídasA inevitabilidade da injeção promptTrabalhar com uma API externaTratamento de erros e problemas inesperados de latênciaLimites da taxaMelhorar a capacidade de resposta e a experiência do utilizadorResumo
Engenharia promptConcebe prompts eficazes com funções, contextos e tarefasPensa passo a passoImplementar a aprendizagem de poucos disparosRefinamento iterativo com feedback do utilizadorMelhorar a eficácia do promptAfinaçãoComeçar a trabalharAfinação com a API OpenAIAperfeiçoa a interface Web do OpenAIAplicações de ajuste finoGerar e afinar dados sintéticos para uma campanha de marketing por e-mailCusto do ajuste finoRAGRAG ingénuoRAG avançadoLimitações do RAGEscolher entre estratégiasComparação de estratégiasAvaliaçõesDe uma aplicação padrão para uma solução com LLMSensibilidade promptNão-determinismoAlucinaçõesResumo
A estrutura LangChainBibliotecas LangChainPrompts dinâmicosAgentes e ferramentasMemóriaEmbeddingsA estrutura LlamaIndexDemonstração: RAG em 10 linhas de códigoPrincípios do LlamaIndexPersonalizaçãoGPT-4 Plug-InsVisão geralA APIO Manifesto Plug-InA especificação OpenAPIDescriçõesGPTsA API AssistenteCriar uma API AssistenteGerir uma conversa com a API do AssistenteChamada de funçãoOs assistentes na plataforma Web OpenAIResumo
Principais conclusõesJuntando tudo: O caso de uso do AssistenteEtapa 1: IdeaçãoPasso 2: Definir os requisitosPasso 3: Construir um protótipoEtapa 4: Melhorar, IterarPasso 5: Tornar a solução robustaLições aprendidas

Overview

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: translation-feedback@oreilly.com

Este livro é um guia ideal para programadores Python que querem aprender a criar aplicações com modelos de linguagem de grande dimensão. Os autores Olivier Caelen e Marie-Alice Blete abordam as principais caraterísticas e vantagens dos modelos GPT-4 e GPT-3.5 e explicam como funcionam. Obterás também um guia passo a passo para desenvolver aplicações utilizando a biblioteca Python da OpenAI, incluindo geração de texto, perguntas e respostas e assistentes inteligentes.

Escrito numa linguagem clara e concisa, Developing Apps with GPT-4 and ChatGPT inclui exemplos fáceis de seguir para te ajudar a compreender e aplicar os conceitos aos teus projectos. Os exemplos de código Python estão disponíveis num repositório GitHub e o livro inclui um glossário de termos-chave. Estás pronto para aproveitar o poder dos grandes modelos de linguagem nas tuas aplicações? Este livro é obrigatório.

Aprenderás:

Os fundamentos e as vantagens dos modelos GPT-4 e GPT-3.5, incluindo as principais caraterísticas e o seu funcionamento
Como integrar estes modelos em aplicações baseadas em Python, tirando partido das capacidades de processamento de linguagem natural e ultrapassando desafios específicos relacionados com o LLM
Exemplos de aplicações que demonstram a API OpenAI em Python para tarefas que incluem geração de texto, resposta a perguntas, resumo de conteúdo, classificação e muito mais
Tópicos avançados de LLM, como engenharia de prompt, modelos de ajuste fino para tarefas específicas, RAG, plug-ins, LangChain, LlamaIndex, GPTs e assistentes

Olivier Caelen é um pesquisador de aprendizagem automática na Worldline e ensina cursos de aprendizagem automática na Universidade de Bruxelas.

Marie-Alice Blete, arquiteta de software e engenheira de dados no departamento de I&D da Worldline, está interessada em questões de desempenho e latência associadas às soluções de IA.