Anwendungen Mit GPT-4 und ChatGPT Entwickeln : Intelligente Chatbots, Content-Generatoren und Mehr Erstellen.

Format:

Book

Author/Creator:

Caelen, Olivier, author.

Contributor:

Blete, Marie-Alice.

Demmig, Thomas.

Language:

German

Subjects (All):

Natural language generation (Computer science)--Computer programs.

Natural language generation (Computer science).

Web applications--Development.

Web applications.

Physical Description:

1 online resource (328 pages)

Edition:

2nd ed.

Place of Publication:

Heidelberg : O'Reilly Verlag GmbH & Co. KG, 2025.

Summary:

Nutzen Sie die Leistungsfähigkeit von Large Language Models für wirklich innovative Anwendungen! - Dieses Buch vermittelt Ihnen Schritt für Schritt das notwendige Wissen, um GPT-4 und ChatGPT in Ihre eigenen Projekte zu integrieren - Es verbindet nahtlos Theorie und Praxis und macht die Komplexität von GPT-4 und GPT 3.5 für Programmierer:innen verständlich - Die Themen reichen von den grundlegenden Prinzipien der LLMs und der API-Integration bis hin zu Prompt Engineering und Feintuning - Die aktualisierte und erweiterte 2. Auflage behandelt neben GPT 4 und GPT 3.5 jetzt auch GPT 4o sowie das Thema Multimodalität Diese Einführung zeigt Python-Entwicklerinnen und -Entwicklern, wie sie Anwendungen mit Large Language Models erstellen. Olivier Caelen und Marie-Alice Blete erklären die wichtigsten Features von GPT-4 und GPT-3.5 und beschreiben, wie sie für eigene NLP-Aufgaben eingesetzt werden können. In nachvollziehbaren Schritten wird erläutert, wie Sie mithilfe der OpenAI-Python-Bibliothek Applikationen zur Textgenerierung, für das Question Answering oder für intelligente Assistenten entwickeln. Anschauliche Beispiele sowie klare und detaillierte Erklärungen unterstützen Sie dabei, die Konzepte zu verstehen und sie auf Ihre Projekte anzuwenden. Die Codebeispiele sind in einem GitHub- Repository verfügbar. Zudem enthält das Buch ein Glossar mit den wichtigsten Begriffen. Für diese 2. Auflage wurde das Buch aktualisiert und deutlich erweitert, es berücksichtigt die neuesten Entwicklungen in der KI-Technologie wie beispielsweise GPT-4o und Multimodalität. Sind Sie bereit, das Potenzial von Large Language Models in Ihren Anwendungen zu nutzen? Dann ist dieses Buch ein Muss für Sie. Es behandelt: - Grundlagen und Stärken von GPT-4- und GPT-3.5-Modellen und deren Funktionsweise - Die Integration dieser Modelle in Python-basierte Anwendungen für Aufgaben im Natural Language Processing - Beispielprojekte, die den Einsatz der OpenAI-API für Aufgaben wie Texterstellung, Inhaltszusammenfassung, Dokumentenklassifikation oder Sentimentanalyse demonstrieren - Fortgeschrittene LLM-Themen wie das Prompt Engineering, das Optimieren von Modellen, RAG, Plug-ins, LangChain, LlamaIndex und KI-Assistenten.

Contents:

Intro

Inhalt

Vorwort

In diesem Buch verwendete Konventionen

Verwenden von Codebeispielen

Danksagung

Kapitel 1: Grundlagen von GPT-4 und ChatGPT

Einführung in Large Language Models

Die Grundlagen von Sprachmodellen und NLP

Die Transformer-Architektur und ihre Rolle in LLMs

Die Tokenisierungs- und Vorhersageschritte in GPT-Modellen entmystifizieren

Einbinden von Vision in ein LLM

Eine kurze Geschichte des GPT: von GPT-1 bis GPT-4

GPT-1

GPT-2

GPT-3

Von GPT-3 zu InstructGPT

GPT-3.5, ChatGPT und Codex

GPT-4

Die Entwicklung der KI hin zur Multimodalität

Anwendungsfälle für LLMs und Beispielprodukte

Be My Eyes

Morgan Stanley

Khan Academy

Duolingo

Yabble

Waymark

Inworld AI

Vorsicht, KI-Halluzinationen: Einschränkungen und Überlegungen

Das Potenzial von GPT durch fortgeschrittene Features ausreizen

Zusammenfassung

Kapitel 2: Die APIs von OpenAI

Grundlegende Konzepte

In der OpenAI-API verfügbare Modelle

GPT Base

InstructGPT (Legacy)

GPT-3.5

GPT-Modelle mit dem OpenAI Playground ausprobieren

Einstieg in die OpenAI-Python-Bibliothek

OpenAI-Zugriff und API-Schlüssel

»Hallo Welt«-Beispiel

Chat-Completion-Modelle einsetzen

Eingabeoptionen für den Chat-Completion-Endpoint

Mit der Temperatur und top_p experimentieren

Ausgabeformat für den Chat-Completion-Endpoint

Vision

Eine JSON-Ausgabe erzwingen

Andere Modelle zur Textvervollständigung verwenden

Eingabeoptionen für den Textvervollständigungs-Endpoint

Ausgabeformat für den Textvervollständigungs-Endpoint

Überlegungen zu Kosten und Datenschutz

Preise und Token-Beschränkungen

Sicherheit und Privatsphäre: Achtung!

Andere OpenAI-APIs und Funktionen

Embeddings

Moderation-Modell

Text-to-Speech

Speech-to-Text

Images-API.

Zusammenfassung (und Spickzettel)

Kapitel 3: Apps mit GPT-4 und ChatGPT bauen

Überblick über die Anwendungsentwicklung

API-Schlüsselmanagement

Sicherheit und Datenschutz

Prinzipien zum Design der Softwarearchitektur

LLM-Fähigkeiten in Ihre Projekte integrieren

Gesprächsfähigkeiten

Sprachverarbeitungsfähigkeiten

Mensch-Maschine-Interaktion

Fähigkeiten kombinieren

Beispielprojekte

Projekt 1: Einen News-Generator bauen - Sprachverarbeitung

Projekt 2: YouTube-Videos zusammenfassen - Sprachverarbeitung

Projekt 3: Einen Experten für Zelda BOTW erschaffen - Sprachverarbeitung und Unterhaltung

Projekt 4: Persönlicher Assistent - Mensch-Maschine-Schnittstelle

Projekt 5: Dokumente organisieren - Sprachverarbeitung

Projekt 6: Sentimentanalyse - Sprachverarbeitung

Kostenmanagement

Angriffspunkte in LLM-gestützten Apps

Eingaben und Ausgaben analysieren

Die Unvermeidbarkeit der Prompt Injection

Mit einer externen API arbeiten

Umgang mit Fehlern und unerwarteten Verzögerungen

Rate Limits

Responsivität und User Experience verbessern

Kapitel 4: Fortgeschrittene Integrationsstrategien mit OpenAI

Prompt Engineering

Effektive Prompts mit Rollen, Kontexten und Aufgaben designen

Schritt für Schritt denken

Few-Shot Learning implementieren

Iteratives Verbessern mit User-Feedback

Die Effektivität von Prompts verbessern

Optimieren

Der Einstieg

Mit der OpenAI-API optimieren

Optimieren über die Weboberfläche von OpenAI

Optimieren für Anwendungen

Synthetische Daten für eine E-Mail-Marketing-Kampagne generieren und optimieren

Die Kosten des Optimierens

RAG - Retrieval-Augmented Generation

Naive RAG

Fortgeschrittene RAG

Grenzen der RAG

Zwischen Strategien wählen

Evaluierungen.

Von einer Standardanwendung zu einer LLM-gestützten Anwendung

Prompt Sensitivity

Nichtdeterminismus

Halluzinationen

Kapitel 5: LLMs durch Frameworks, Plug-ins und mehr erweitern

Das LangChain-Framework

LangChain-Bibliotheken

Dynamische Prompts

Agenten und Tools

Memory

Das LlamaIndex-Framework

Demonstration: RAG in zehn Zeilen Code

Prinzipien von LlamaIndex

Anpassung

GPT-4-Plug-ins

Überblick

Die API

Das Plug-in-Manifest

Die OpenAPI-Spezifikation

Beschreibungen

GPTs

Die Assistant API

Eine Assistant API erstellen

Eine Unterhaltung mit Ihrer Assistant API managen

Aufruf von Funktionen

Die Assistenten auf der Webplattform von OpenAI

Kapitel 6: Das große Ganze

Wichtige Erkenntnisse

Alle Elemente zusammenbringen: der Assistenten-Use-Case

Schritt 1: Die Idee

Schritt 2: Die Anforderungen definieren

Schritt 3: Einen Prototyp bauen

Schritt 4: Verbessern, Iterieren

Schritt 5: Die Lösung robust machen

Erkenntnisse

Anhang A: Glossar der wichtigsten Begriffe

Anhang B: Tools, Bibliotheken und Frameworks

Über den Autor und die Autorin

Über den Übersetzer

Kolophon.

Notes:

Description based on publisher supplied metadata and other sources.

ISBN:

9783960108955

3960108958

9783960108962

3960108966

OCLC:

1492238234