【書籍資訊】
LLM 大型語言模型的絕世祕笈：27 路獨步劍法，帶你闖蕩生成式 AI 的五湖四海 （iThome鐵人賽系列書）
ISBN13：9786263339293
出版社：博碩文化
作者：陳威廷(Penut Chen)
出版日：2024/08/14
裝訂／頁數：平裝／400頁
規格：23cm*17cm*2cm (高/寬/厚)

【內容】
大 AI 時代將至，你不可不讀的語言模型獨門祕笈
帶你輕鬆遨遊生成式 AI 的世界

本書內容改編自第15屆 iThome 鐵人賽 AI & Data 組冠軍系列文章《LLM 學習筆記》，這是個生成式 AI 崛起的年代，其中又以 ChatGPT 為首的大型語言模型（Large-Scale Language Model, LLM）們最為令人驚豔，但是每當我們提到 LLM 時，腦中浮現的可能都是一些參數量龐大、架構絢麗又複雜、沒有個幾千幾百張 GPU 跑不動的超複雜數學模型！

其實掌握語言模型並沒有那麼困難，本書介紹了許多在建立 LLM 相關應用時會使用到的技術：在雲端可以透過簡單的 ChatGPT API 打造有趣的塔羅占卜應用；在地端有 Hugging Face TGI、vLLM、llama.cpp 等推論框架，就算只有單顯卡也能高速部署、輕鬆玩轉各式各樣 Open Source 的 LLM。透過多種量化技術減少記憶體開銷，小顯卡也能推動大模型！還有許多文本檢索的技巧，帶你一步步構築出 RAG 實務應用。最後當然少不了，透過 LoRA 訓練手法輕鬆打造專屬於你的客製化語言模型！

筆者根據自身的實務經驗，介紹深入但是易懂的理論，使用簡單但是務實的技術，帶領大家瞭解如何在低成本、低資源的環境中打造 LLM 相關應用。無論你是求知若渴的研究員，或是躍躍欲試的工程師，都能從本書中得到滿滿的收穫！


重點摘要
✦ 語言模型
雲有 ChatGPT，地有 Llama
✦ 推論部署
不只高速生成，還要低成本量化
✦ 檢索應用
掌握提示工程，徹底瞭解 RAG
✦ 微調訓練
活用 LoRA 訓練，打造客製化模型


本書可以學到哪些知識
● 量化：減少模型的顯示卡記憶體使用量。
● 部署：將模型以後端服務的形式進行部署。
● 推論：如何達到更快速的文字生成速度。
● 微調：調整訓練模型的權重以符合應用需求。
● 檢索：從外部知識庫搜尋相關資料輔助模型生成。
● 應用：結合以上技術搭建出一個實際的應用。


目標讀者
．對 LLM 充滿好奇的讀者
．想要嘗試涉足 AI 領域的初學者
．想要簡單瞭解 LLM 相關理論的領導者
．想要深入學習 LLM 相關技術的工程師
．想要一本 AI 相關的書籍，又不想要內容太深澀難懂的休閒玩家
．擁有自己的機器，想要實際動手玩轉語言模型的深度玩家
．大 AI 時代來臨，手邊卻還沒有一本 AI 相關書籍的朋友
【目錄】
Ch 01 語言模型能吃嗎？

Ch 02 神經網路語言模型

Ch 03 ChatGPT

Ch 04 OpenAI API

Ch 05 AI 實戰應用：貓貓塔羅

Ch 06 ChatGPT 的挑戰者們

Ch 07 ChatGPT 相關應用

Ch 08 檢索與生成

Ch 09 走訪 LLM 訓練流程

Ch 10 建立開發環境

Ch 11 擁抱開源的微笑 Hugging Face Transformers

Ch 12 數若繁星的語言模型們

Ch 13 語言模型也懂寫程式！

Ch 14 貧民英雄，量化超人

Ch 15 ggml & llama.cpp

Ch 16 Text Generation Inference

Ch 17 vLLM & Paged Attention

Ch 18 情境學習In-Context Learning

Ch 19 再訪檢索模型

Ch 20 任務導向聊天機器人

Ch 21 LangChain

Ch 22 微調語言模型DIY！

Ch 23 PEFT & LoRA

Ch 24 永遠不夠長！

Ch 25 資料何其多，硬碟何其小

Ch 26 授權條款與社會責任

Ch 27 學海無涯，學無止境