GPT-3 基于大型语言模型构建创新NLP产品 第一章 大型语言模型的时代
"艺术是灵魂与世界碰撞的碎片" #gpt3 "技术现在是现代世界的神话" #gpt3 "革命始于一个问题,但不以一个答案结束" #gpt3 "大自然用各种各样装饰这个世界" #gpt3 想象一个美丽的阳光明媚的早晨。今天是周一,你知道这周会很繁忙。你的公司即将推出一个新款个人生产力应用程序Taskr
The Art of ChatGPT Prompting: A Guide to Crafting Clear and Effective Prompts 总结
介绍 在这份全面的指南中，你将学习到关于如何制定清晰有效的ChatGPT提示的所有知识，这些提示将推动富有吸引力和信息性的对话。 你可以通过浏览器访问ChatGPT：https://chat.openai.com 但首先，让我们开始回答这个问题：ChatGPT是什么? ChatGPT (Genera
GPT-3 基于大型语言模型构建创新NLP产品 前言
前言 GPT-3,即Generative Pre-trained Transformer 3,是OpenAI开发的基于transformer的大型语言模型。它由高达1750亿个参数组成。任何人都可以通过简单易用的“文本输入,文本输出”用户界面访问这个大型语言模型,而无需任何技术先决条件。这是历史上第
Spark in Action第二版翻译 第十四章 使用用户自定义的函数来扩展转换
无论你是耐心地阅读了本书的前13章，还是用直升机式的阅读方法从一章跳到另一章，你肯定会认为Spark很好，但是......Spark是可扩展的吗？你可能会问，"我怎样才能把我现有的库带入到这个组合中？我是否必须只使用DataFrame API和Spark SQL来实现我想要的所有转换？" 从本章的标
Spark in Action第二版翻译 第十三章 改造整个Document
本章的重点是整个文档的转换。Spark将摄取一个完整的文档，对其进行转换，并以另一种格式提供给它。 在上一章中，你阅读了关于数据转换的内容。下一个合乎逻辑的步骤是转换整个文档及其结构。举个例子，JSON对于传输数据来说是很好的，但当你必须遍历它来做分析时，就会非常痛苦。类似地，加入的数据集有很多数据
Spark in Action第二版翻译 第十二章 转换你的数据
这一章可能是本书的基石。你通过前11章所收集的所有知识已经把你带到了这些关键问题上。"一旦我有了这些数据，我怎样才能转化它，我又能用它做什么？" Apache Spark是关于数据转换的，但确切地说，什么是数据转换？如何以可重复和程序化的方式进行这种转换？把它看成是一个工业过程，它将确保你的数据得到
Spark in Action第二版翻译 第十一章 使用SQL
结构化查询语言（SQL）是操作数据的黄金标准。它于1974年被引入，此后发展成为ISO标准（ISO/IEC 9075）。最新的修订是SQL:2016。 作为在关系型数据库中提取和操作数据的一种方式，SQL似乎一直存在。而且SQL将永远存在。当我在大学时，我清楚地记得问我的数据库教授："你期望谁会使用
Spark in Action第二版翻译 第十章 结构化Stream
从几千米（或英尺，如果你拘泥于英制）的地方看你的数据，并关注数据生成的部分。你看到的是成批生成数据的系统，还是连续生成数据的系统？提供数据流的系统，也就是所谓的流，几年前还不太流行。流肯定是越来越受欢迎了，理解流是本章的重点。 比如说，你的手机会定期对手机信号塔进行ping。如果是智能手机（根据本书
Spark in Action第二版翻译 第六章 部署这个简单的应用
在前面的章节中，你发现了什么是Apache Spark，以及如何构建简单的应用程序，并且，希望你理解了关键的概念，比如数据框架和惰性加载。本章与前一章有联系：你在第5章中构建了一个应用程序，并将在本章中部署它。在本章之前阅读第5章并不是必须的，但强烈建议。 在这一章中，你将抛开代码本身，在走向部署和
Spark in Action第二版翻译 第五章 构建一个简单的应用程序进行部署
在前面的章节中，你发现了什么是Apache Spark，以及如何构建简单的应用程序，并且，希望你能理解关键概念，包括数据框架和懒惰。第5章和第6章是有联系的：你将在本章中构建一个应用程序，并在第6章中部署它。 在本章中，你将从零开始，构建一个应用程序。你之前在本书中构建了应用程序，但它们总是需要在最