GenAI con Python e Pytorch. Creare applicazioni AI per testo, immagini, audio e codice
Risorsa locale

Babcock, Joseph - Bali, Raghav

GenAI con Python e Pytorch. Creare applicazioni AI per testo, immagini, audio e codice

Abstract: I modelli di AI generativa stanno rivoluzionando la creazione di testo, immagini, codice e persino musica. Questo manuale guida alla scoperta del loro funzionamento e al loro sviluppo con Python, sfruttando PyTorch, una libreria open source fondamentale per il deep learning e lo sviluppo delle reti neurali.Attraverso casi di studio, esempi ed esercizi pratici, il libro accompagna il lettore nell'esplorazione delle principali architetture, come LSTM e Transformer, fino ai modelli linguistici di grandi dimensioni (LLM) come GPT, e include sezioni pratiche su fine-tuning, reinforcement learning con feedback umano (RLHF) e prompt engineering. Si approfondiscono poi l'uso di strumenti open source come LLaMA, Mixtral e Falcon, l'integrazione con LangChain e LangGraph e le strategie di ottimizzazione per l'addestramento e l'inferenza.Una lettura indispensabile per sviluppatori, data scientist, ricercatori e professionisti dell'AI che vogliono costruire, ottimizzare e mettere in produzione modelli generativi all'avanguardia.


Titolo e contributi: GenAI con Python e Pytorch. Creare applicazioni AI per testo, immagini, audio e codice

Pubblicazione: Apogeo, 27/01/2026

EAN: 9788850339457

Data:27-01-2026

Nota:
  • Lingua: italiano
  • Formato: EPUB con DRM Adobe

Nomi:

Dati generali (100)
  • Tipo di data: data di dettaglio
  • Data di pubblicazione: 27-01-2026

I modelli di AI generativa stanno rivoluzionando la creazione di testo, immagini, codice e persino musica. Questo manuale guida alla scoperta del loro funzionamento e al loro sviluppo con Python, sfruttando PyTorch, una libreria open source fondamentale per il deep learning e lo sviluppo delle reti neurali.Attraverso casi di studio, esempi ed esercizi pratici, il libro accompagna il lettore nell'esplorazione delle principali architetture, come LSTM e Transformer, fino ai modelli linguistici di grandi dimensioni (LLM) come GPT, e include sezioni pratiche su fine-tuning, reinforcement learning con feedback umano (RLHF) e prompt engineering. Si approfondiscono poi l'uso di strumenti open source come LLaMA, Mixtral e Falcon, l'integrazione con LangChain e LangGraph e le strategie di ottimizzazione per l'addestramento e l'inferenza.Una lettura indispensabile per sviluppatori, data scientist, ricercatori e professionisti dell'AI che vogliono costruire, ottimizzare e mettere in produzione modelli generativi all'avanguardia.

Vedi tutti

Ultime recensioni inserite

Nessuna recensione

Codice da incorporare

Copia e incolla sul tuo sito il codice HTML qui sotto.