AI для PHP-разработчиков: интуитивно и на практике
search
⌘Ctrlk
AI для PHP-разработчиков: интуитивно и на практике
  • house-windowВведение
    • Титульный лист
    • Оглавление
    • Вступление
    • Зачем PHP-разработчику AI
    • Экосистема ML в PHP
    • Как эта книга устроена
    • Глоссарий
    • Что дальше
  • Часть I. Математический язык AI
    • Что такое модель в математическом смысле
    • Векторы, размерности и пространства признаков
    • Расстояния и сходство
  • Часть II. Обучение как оптимизация
    • Ошибка, loss-функции и зачем они нужны
    • Линейная регрессия как базовая модель
    • Градиентный спуск на пальцах
  • Часть III. Классификация и вероятности
    • Вероятность как степень уверенности
    • Логистическая регрессия
    • Почему наивный Байес работает
  • Часть IV. Близость и структура данных
    • Алгоритм k-ближайших соседей и локальные решения
    • Decision Trees и разбиение пространства
  • ЧАСТЬ V. ТЕКСТ КАК МАТЕМАТИКА
    • Почему слова превращаются в числа
    • Bag of Words и TF–IDF
    • Embeddings как непрерывные пространства смысла
    • Трансформеры и контекст: от статических векторов к пониманию смысла
      • Практические кейсы
        • Кейс 1. Один термин – разные смыслы (контекстные эмбеддинги предложений)
        • Кейс 2. Длинный контекст важнее соседних слов
        • Кейс 3. Attention как основа поиска по смыслу (минимальный поиск)
    • Named Entity Recognition (NER) – извлечение сущностей из текста
    • Практика: эмбеддинги на PHP с помощью трансформеров
    • RAG: Retrieval-Augmented Generation как инженерная система
  • Часть VI. Attention и нейросети
    • не начато
  • Часть VII. LLM и современный AI
    • не начато
  • Часть VIII. Агентные системы и orchestration
    • не начато
  • Часть IX. Продакшен и здравый смысл
    • Как использовать AI в PHP-проектах
    • Когда AI не нужен и почему это важно
  • Заключение
    • Куда двигаться дальше
gitbookPowered by GitBook
block-quoteOn this pagechevron-down
  1. ЧАСТЬ V. ТЕКСТ КАК МАТЕМАТИКАchevron-right
  2. Трансформеры и контекст: от статических векторов к пониманию смысла

Практические кейсы

Кейс 1. Один термин – разные смыслы (контекстные эмбеддинги предложений)chevron-rightКейс 2. Длинный контекст важнее соседних словchevron-rightКейс 3. Attention как основа поиска по смыслу (минимальный поиск)chevron-right
PreviousТрансформеры и контекст: от статических векторов к пониманию смыслаchevron-leftNextКейс 1. Один термин – разные смыслы (контекстные эмбеддинги предложений)chevron-right