|
|
Building and Training Generative AI Models (eBook)
|
|
|
Building and Training Generative AI Models (eBook)
|
|
Irena Cronin
|
|
Irena Cronin
|
|
|
Prezzo:
€ 55,11
Compra EPUB
|
Prezzo:
€ 55,11
Compra EPUB
|
|
|
Formato :
|
EPUB |
|
Cloud:
|
Sì Scopri di più |
|
Lingua:
|
Inglese |
|
Editore:
|
Apress |
|
Codice EAN:
|
9798868823329 |
|
Anno pubblicazione:
|
2026 |
Scopri QUI come leggere i tuoi eBook |
|
|
Note legali
NOTE LEGALI
b) Informazioni sul prezzo
Il prezzo barrato corrisponde al prezzo di vendita al pubblico al lordo di IVA e al netto delle spese di spedizione
Il prezzo barrato dei libri italiani corrisponde al prezzo di copertina.
I libri in inglese di Libraccio sono di provenienza americana o inglese.
Libraccio riceve quotidianamente i prodotti dagli USA e dalla Gran Bretagna, pagandone i costi di importazione, spedizione in Italia ecc.
Il prezzo in EURO è fissato da Libraccio e, in alcuni casi, può discostarsi leggermente dal cambio dollaro/euro o sterlina/euro del giorno. Il prezzo che pagherai sarà quello in EURO al momento della conferma dell'ordine.
In ogni caso potrai verificare la convenienza dei nostri prezzi rispetto ad altri siti italiani e, in moltissimi casi, anche rispetto all'acquisto su siti americani o inglesi.
c) Disponibilità
I termini relativi alla disponibilità dei prodotti sono indicati nelle Condizioni generali di vendita.
Disponibilità immediata
L'articolo è immediatamente disponibile presso Libraccio e saremo in grado di procedere con la spedizione entro un giorno lavorativo.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.
Disponibile in giorni o settimane (ad es. "3-5-10 giorni", "4-5 settimane" )
L'articolo sarà disponibile entro le tempistiche indicate, necessarie per ricevere l'articolo dai nostri fornitori e preparare la spedizione.
Nota: La disponibilità prevista fa riferimento a singole disponibilità.
Prenotazione libri scolastici
Il servizio ti permette di prenotare libri scolastici nuovi che risultano non disponibili al momento dell'acquisto.
Attualmente non disponibile
L'articolo sarà disponibile ma non sappiamo ancora quando. Inserisci la tua mail dalla scheda prodotto attivando il servizio Libraccio “avvisami” e sarai contattato quando sarà ordinabile.
Difficile reperibilità
Abbiamo dei problemi nel reperire il prodotto. Il fornitore non ci dà informazioni sulla sua reperibilità, ma se desideri comunque effettuare l'ordine, cercheremo di averlo nei tempi indicati. Se non sarà possibile, ti avvertiremo via e-mail e l'ordine verrà cancellato.
Chiudi
|
Descrizione
This book is a hands-on, technical guide to building and deploying generative AI models using advanced deep learning architectures like transformers, GANs, VAEs, and diffusion models. Designed for AI engineers, data scientists, and ML practitioners, it offers a practical roadmap from data ingestion to real-world deployment and evaluation.
The book starts by guiding readers on selecting the right model architecture for their application, be it text generation, image synthesis, or multimodal tasks. It then walks through essential components of model training, including dataset handling, self-supervised learning, and core optimisation techniques such as backpropagation, gradient descent, and learning rate scheduling. It also delves into large-scale training infrastructure, covering GPU/TPU usage, distributed computing frameworks, and system-level strategies for scaling performance. Practical guidance is provided on fine-tuning models with domain-specific data and applying reinforcement learning from human feedback (RLHF), model quantisation, and pruning to improve efficiency. Key challenges in generative AI—such as overfitting, bias, hallucination, and data efficiency—are addressed through proven techniques and emerging best practices. Readers will also gain insight into model interpretability and generalisation, ensuring robust and trustworthy outputs. The book demonstrates how to build scalable, production-ready generative systems across domains like media, healthcare, scientific simulation, and design through real-world examples and applied case studies.
By the end, readers will gain an understanding of how to architect, optimise, and apply generative models across diverse domains such as media creation, healthcare, design, scientific simulation, and beyond.
What you will learn;
Learn how to choose and implement generative models—VAEs, GANs, transformers, and diffusion models—for specific use cases.
Master training optimization techniques such as backpropagation, gradient descent, adaptive learning rates, and regularization.
Apply best practices for large-scale training using GPUs, TPUs, and distributed computing frameworks for performance scaling.
Boost model efficiency through quantization, pruning, fine-tuning, and RLHF to enhance output quality and reduce overhead.
Who this book is for:
AI Engineers and Machine Learning Practitioners looking to build and deploy generative models in real-world applications. Data Scientists working on deep learning projects involving text, vision, audio, or multimodal generation.
|
|
|
|
