Анализ данных с LLM. Текст, таблицы, изображения и аудио

Большие языковые модели (LLM) позволяют оптимизировать и ускорить решение практически любой задачи в области анализа данных. Освойте методы для анализа больших массивов текстовых, табличных и графовых данных, изображений, видео и многого другого с помощью понятных запросов на естественном языке и нескольких строк кода на Python.

В книге доцент Корнельского университета Иммануэль Труммер демонстрирует, как интегрировать генеративный ИИ в повседневную работу специалиста по данным. Благодаря серии увлекательных проектов вы познакомитесь с библиотекой OpenAI для Python, такими инструментами, как LangChain и LlamaIndex, а также моделями от Anthropic, Cohere и Hugging Face. Научитесь использовать ИИ для получения структурированных и неструктурированных данных, анализа звука и изображений, а также для оптимизации затрат и повышения качества процесса анализа данных.

О научном редакторе русскоязычного издания. Сергей Боярко — старший инженер-разработчик в компании “Туту”. Разрабатывает AI-решения для поддержки операторов и автоматизации контактного центра. Занимался разработкой голосовых роботов и персональных ассистентов с использованием современных LLM и мультиагентных подходов. Аккредитованный судья Федерации спортивного программирования, преподаватель ПГГПУ, ведет курсы “Программирование на Python” и “Проектирование информационных интеллектуальных систем”.

1. Мультимодальный анализ текстовых, табличных, графовых данных, а также изображений, видео и аудиофайлов.
2. Серия практических мини-проектов для разработки реальных аналитических приложений.
3. Освоение библиотеки Open AI для Python и современных фреймворков LangChain и LlamaIndex.
4. Техники промпт-инжиниринга и методы дообучения моделей для получения точных результатов.
5. Технологии разработки автономных агентов на базе LLM для независимого анализа данных.