GPT：使用OpenAI API構(gòu)建NLP產(chǎn)品的終極指南

對本書的贊譽(yù)
致謝
關(guān)于作者
譯者序
前言
第1章 大型語言模型革命
自然語言處理的幕后花絮
語言模型變得越大越好
生成式預(yù)訓(xùn)練Transformer：GPT-3
生成模型
預(yù)訓(xùn)練模型
Transformer模型
序列到序列模型
Transformer注意力機(jī)制
GPT-3：簡史
GPT-1
GPT-2
GPT-3
訪問OpenAI API
第2章 OpenAI API入門
OpenAI Playground
提示工程與設(shè)計(jì)
分解OpenAI API
Engine
Response length
Temperature和Top P
Frequency penalty和Presence penalty
Best of
Stop sequences
Inject start text和Inject restart text
Show probabilities
執(zhí)行引擎
Davinci
Curie
Babbage
Ada
Instruct系列
API端點(diǎn)
列出引擎
返回引擎
補(bǔ)全
語義搜索
文件
Embedding
定制GPT-3
定制 GPT-3 模型支持的應(yīng)用程序ⅩⅨ
如何為您的應(yīng)用程序定制GPT-3
Token
定價(jià)
GPT-3在標(biāo)準(zhǔn)NLP任務(wù)上的性能
文本分類
命名實(shí)體識(shí)別
文本摘要
文本生成
文章生成
社交媒體生成
結(jié)論
第3章 GPT-3和編程
如何在Python中使用OpenAI API
如何在Go中使用OpenAI API
如何在Java中使用OpenAI API
由 Streamlit 提供支持的 GPT-3 沙盒
結(jié)論
第4章 GPT-3是下一代創(chuàng)業(yè)公司的推動(dòng)者
模型即服務(wù)
近距離觀察新的創(chuàng)業(yè)環(huán)境：案例研究
GPT-3的創(chuàng)造性應(yīng)用：Fable Studio
GPT-3的數(shù)據(jù)分析應(yīng)用：Viable
GPT-3的聊天機(jī)器人應(yīng)用：Quickchat
GPT-3的營銷應(yīng)用：Copysmith
GPT-3的編碼應(yīng)用：Stenography
投資者對GPT-3創(chuàng)業(yè)生態(tài)系統(tǒng)的展望
結(jié)論
第5章 GPT-3是企業(yè)創(chuàng)新的下一步
案例研究：GitHub Copilot
它是如何運(yùn)行的
開發(fā)Copilot
低代碼/無代碼編程意味著什么
使用API擴(kuò)展
GitHub Copilot的下一步是什么
案例研究：Algolia Answers
評估NLP選項(xiàng)
數(shù)據(jù)隱私
費(fèi)用
速度和延遲
經(jīng)驗(yàn)教訓(xùn)
案例研究：微軟的Azure OpenAI服務(wù)
本應(yīng)建立的伙伴關(guān)系
Azure原生OpenAI API
資源管理
安全和數(shù)據(jù)隱私
企業(yè)級的模型即服務(wù)
其他微軟AI和ML服務(wù)
給企業(yè)的建議
OpenAI或Azure OpenAI服務(wù)：您應(yīng)該使用哪一種
結(jié)論
第6章 GPT-3：好的、壞的和丑的
應(yīng)對人工智能偏見
反偏見對策
低質(zhì)量的內(nèi)容和錯(cuò)誤信息的傳播
LLM的綠色足跡
謹(jǐn)慎行事
結(jié)論
結(jié)論 實(shí)現(xiàn)人工智能的大眾化
無代碼？沒問題！
訪問和模型即服務(wù)
結(jié)論