Traitement du langage naturel : Modèles transformateurs par Lewis et Wolf

Performance et optimisation des modèles Hugging Face

Découvrez comment les transformateurs ont révolutionné le domaine de l'IA. Ce livre présente les méthodes pour réduire la taille des modèles sans sacrifier la précision.

Le texte met en avant l'utilisation de la distillation de connaissances. Cette technique est cruciale pour faire fonctionner des modèles lourds sur des appareils mobiles ou limités.

Les auteurs partagent des astuces inédites pour le débogage des architectures Transformer. Gagnez un temps précieux lors de vos phases de test et d'entraînement.

Chaque section est illustrée par des extraits de code Python testés et fonctionnels. La mise en pratique est immédiate pour tout développeur maîtrisant les bases du ML.

L'ouvrage insiste sur l'importance éthique et les biais dans les modèles de langage. Apprenez à construire des systèmes plus justes et transparents pour vos utilisateurs.

Cette version polonaise est idéale pour les équipes de développement internationales basées en Pologne ou travaillant sur ce marché spécifique.

• ISBN : 9788328392182 (selon édition)
• Technologie : BERT, RoBERTa, DistilBERT, T5
• Compatibilité : Écosystème Python Data Science
• Usage : Professionnel et Académique
• Poids : 650g environ
• Type : Manuel de référence théorique et pratique