book

Sviluppare app con GPT-4 e ChatGPT, 2a edizione

by Olivier Caelen, Marie-Alice Blete

March 2025

Intermediate to advanced

272 pages

7h 58m

Italian

O'Reilly Media, Inc.

Read now

Unlock full access

Convenzioni utilizzate in questo libroUtilizzo di esempi di codiceFormazione online O'ReillyCome contattarciRingraziamenti
Introduzione ai modelli linguistici di grandi dimensioniEsplorare i fondamenti dei modelli linguistici e della PNLCapire l'architettura dei trasformatori e il loro ruolo negli LLMsDemistificazione delle fasi di tokenizzazione e previsione nei modelli GPTIntegrare la visione in un LLMUna breve storia: Dal GPT-1 al GPT-4GPT-1GPT-2GPT-3Da GPT-3 a InstructGPTGPT-3.5, ChatGPT, CodexGPT-4L'evoluzione dell'intelligenza artificiale verso la multimodalitàCasi d'uso di LLM e prodotti di esempioSii i miei occhiMorgan StanleyAccademia KhanDuolingoYabbleWaymarkInworld AIAttenzione alle allucinazioni dell'intelligenza artificiale: Limiti e considerazioniSbloccare il potenziale di GPT con le funzioni avanzateRiassunto
Concetti essenzialiModelli disponibili nell'API OpenAIBase GPTInstructGPT (Legacy)GPT-3.5GPT-4Prova i modelli GPT con l'OpenAI PlaygroundCome iniziare: La libreria OpenAI PythonChiave di accesso e API OpenAI"Esempio di "Hello WorldUtilizzo dei modelli di completamento della chatOpzioni di input per l'endpoint di completamento della chatGiocare con la temperatura e il top_pFormato del risultato di uscita per l'endpoint di completamento della chatVisioneRichiedere un output JSONUtilizzo di altri modelli di completamento del testoOpzioni di input per l'endpoint di completamento del testoFormato del risultato di output per l'endpoint di completamento del testoConsiderazioniPrezzi e limitazioni dei gettoniSicurezza e privacy: Attenzione!Altre API e funzionalità di OpenAIIncorporazioniModerazioneText-to-SpeechDa discorso a testoImmagini APIRiepilogo (e scheda informativa)
Panoramica sullo sviluppo delle appGestione delle chiavi APISicurezza e privacy dei datiPrincipi di progettazione dell'architettura del softwareIntegrare le capacità LLM nei tuoi progettiCapacità di conversazioneCapacità di elaborazione del linguaggioCapacità di interazione uomo-computerCombinare le capacitàProgetti di esempioProgetto 1: Creazione di una soluzione di generazione di notizie - Elaborazione linguisticaProgetto 2: Riassumere i video di YouTube - Elaborazione del linguaggioProgetto 3: Creare un esperto per Zelda BOTW - Elaborazione del linguaggio e conversazioniProgetto 4: Avere un'interfaccia assistente personale-uomo-computerProgetto 5: Organizzazione dei documenti - Elaborazione linguisticaProgetto 6: Analisi dei sentimenti-Elaborazione del linguaggioGestione dei costiVulnerabilità delle app alimentate da LLMAnalizzare gli input e gli outputL'inevitabilità di un'iniezione promptLavorare con un'API esternaGestione degli errori e dei problemi di latenza inattesiLimiti tariffariMigliorare la reattività e l'esperienza dell'utenteSommario
Ingegneria promptProgettare prompt efficaci con ruoli, contesti e compitiPensare passo dopo passoImplementare l'apprendimento a pochi colpiPerfezionamento iterativo con il feedback degli utentiMigliorare l'efficacia del promptMessa a puntoCome iniziareMessa a punto con l'API OpenAIMessa a punto con l'interfaccia web di OpenAIApplicazioni di perfezionamentoGenerare e perfezionare i dati sintetici per una campagna di email marketingCosto della messa a puntoRAGRAG ingenuoRAG avanzatoLimitazioni RAGScegliere tra le strategieConfronto tra strategieValutazioniDa un'applicazione standard a una soluzione basata su LLMSensibilità promptNondeterminismoAllucinazioniSommario
Il framework LangChainLibrerie LangChainprompt dinamiciAgenti e strumentiMemoriaIncorporazioniIl framework LlamaIndexDimostrazione: RAG in 10 righe di codicePrincipi di LlamaIndexPersonalizzazionePlug-in GPT-4PanoramicaL'APIIl Manifesto del Plug-InLa specifica OpenAPIDescrizioniGPTL'assistente APICreare un assistente APIGestione di una conversazione con l'assistente APIChiamata di funzioneGli assistenti sulla piattaforma web OpenAIRiassunto
Punti di forzaMettere tutto insieme: Il caso d'uso dell'assistenteFase 1: IdeazioneFase 2: Definizione dei requisitiFase 3: costruzione di un prototipoFase 4: migliorare, iterareFase 5: Rendere la soluzione robustaLezioni apprese

Overview

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com

Questo libro è una guida ideale per gli sviluppatori Python che vogliono imparare a creare applicazioni con modelli linguistici di grandi dimensioni. Gli autori Olivier Caelen e Marie-Alice Blete trattano le caratteristiche e i vantaggi principali dei modelli GPT-4 e GPT-3.5 e ne spiegano il funzionamento. Troverai anche una guida passo passo per lo sviluppo di applicazioni utilizzando la libreria Python OpenAI, che include generazione di testo, domande e risposte e assistenti intelligenti. Scritto in un linguaggio chiaro e conciso, Developing Apps with GPT-4 and ChatGPT include esempi facili da seguire per aiutarti a comprendere e applicare i concetti ai tuoi progetti. Gli esempi di codice Python sono disponibili in un repository GitHub e nel libro

Scritto in un linguaggio chiaro e conciso, Developing Apps with GPT-4 and ChatGPT include esempi facili da seguire per aiutarti a comprendere e applicare i concetti ai tuoi progetti. Esempi di codice Python sono disponibili in un repository GitHub e il libro include un glossario dei termini chiave. Sei pronto a sfruttare la potenza dei modelli linguistici di grandi dimensioni nelle tue applicazioni? Questo libro è un must. Imparerai:

Imparerai:

I fondamenti e i vantaggi dei modelli GPT-4 e GPT-3.5, comprese le caratteristiche principali e il loro funzionamento
Come integrare questi modelli nelle applicazioni basate su Python, sfruttando le capacità di elaborazione del linguaggio naturale e superando le sfide specifiche legate a LLM
Esempi di applicazioni che dimostrano l'API OpenAI in Python per attività quali la generazione di testo, la risposta a domande, la sintesi di contenuti, la classificazione e altro ancora
Argomenti avanzati di LLM come prompt engineering, modelli di messa a punto per compiti specifici, RAG, plug-in, LangChain, LlamaIndex, GPT e assistenti

Olivier Caelen è un ricercatore di apprendimento automatico presso Worldline e tiene corsi di apprendimento automatico all'Università di Bruxelles. Marie-Alice Blete, architetto software e ingegnere dei dati nel dipartimento di ricerca e sviluppo di Worldline, è interessata alle questioni relative alle prestazioni e alla latenza associate alle soluzioni di IA.

Marie-Alice Blete, architetto software e ingegnere dei dati nel dipartimento R&S di Worldline, si interessa alle questioni relative alle prestazioni e alla latenza associate alle soluzioni di IA.