Episode Details

Build a Large Language Model (Sebastian Raschka)

- Amazon USA Store: https://www.amazon.com/dp/1633437167?tag=9natree-20
- Amazon Worldwide Store: https://global.buys.trade/Build-a-Large-Language-Model-Sebastian-Raschka.html

- Apple Books: https://books.apple.com/us/audiobook/build-a-large-language-model-from-scratch-unabridged/id1790107106?itsct=books_box_link&itscg=30200&ls=1&at=1001l3bAw&ct=9natree

- eBay: https://www.ebay.com/sch/i.html?_nkw=Build+a+Large+Language+Model+Sebastian+Raschka+&mkcid=1&mkrid=711-53200-19255-0&siteid=0&campid=5339060787&customid=9natree&toolid=10001&mkevt=1

- Shopee: https://asia.buys.trade/shopee_Build-a-Large-Language-Model-Sebastian-Raschka.html
- Lazada: https://asia.buys.trade/lazada_Build-a-Large-Language-Model-Sebastian-Raschka.html
- Tiktok: https://asia.buys.trade/tiktok_Build-a-Large-Language-Model-Sebastian-Raschka.html

- Baca selanjutnya: https://malaysian.9natree.com/read/1633437167/

#Tokenisasidanembeddingkedudukan #Perhatiankendirikausal #SenibinatransformerGPT #Latihanawalautoregresif #PenalaanhalusarahandanLoRA #BuildaLargeLanguageModel

Build a Large Language Model From Scratch karya Sebastian Raschka ialah buku teknikal berbentuk panduan amali tentang cara membina model bahasa besar bergaya GPT menggunakan Python dan PyTorch. Fokusnya bukan untuk mengajar pembaca menggunakan API atau perpustakaan model siap guna, sebaliknya membuka komponen dalaman yang membolehkan model menjangka dan menjana teks. Raschka membawa pembaca daripada asas data teks, tokenisasi dan embedding, kepada mekanisme perhatian, seni bina transformer, latihan awal, serta penalaan halus untuk tugasan tertentu. Model yang dibina ialah model pendidikan berskala kecil, bukannya pesaing terus kepada sistem komersial yang dilatih dengan sumber pengkomputeran sangat besar. Namun, aliran kerja utamanya mencerminkan proses sebenar dalam pembangunan model generatif moden. Buku ini berada di antara buku pengenalan konsep dan manual kejuruteraan. Ia menerangkan idea melalui kod yang berkembang secara berperingkat, supaya pembaca dapat melihat hubungan antara teori, tensor, data latihan dan output yang dijana.