Sono stati trovati 40 prodotti corrispondenti alla tua ricerca per Özdemir in 3 negozi:

Questo libro si rivolge ai programmatori che vogliono entrare nel mondo della scienza dei dati scoprendo come unire competenze che spaziano dalla matematica alle analisi di business attraverso - naturalmente - la programmazione. Lo scopo è insegnare come affrontare dati eterogenei trasformandoli in idee e insight. Nel corso dei vari capitoli vengono presentati gli elementi che un data scientist deve padroneggiare: la definizione del dominio di analisi, il recupero e la pulizia di dati grezzi, il calcolo delle probabilità, i modelli statistici, fino all'applicazione di algoritmi di machine learning. Non mancano approfondimenti su come normalizzare e preparare i dati prima di un'analisi, oltre a suggerimenti su come presentare e comunicare i risultati in modo efficace. Tutti i passaggi chiave sono corredati da esempi di pseudocodice per illustrare al meglio gli algoritmi in uso mentre gli esempi di codice utilizzano prevalentemente il linguaggio Python.

Questo libro si rivolge ai programmatori che vogliono entrare nel mondo della scienza dei dati scoprendo come unire competenze che spaziano dalla matematica alle analisi di business attraverso - naturalmente - la programmazione. Lo scopo è insegnare come affrontare dati eterogenei trasformandoli in idee e insight. Nel corso dei vari capitoli vengono presentati gli elementi che un data scientist deve padroneggiare: la definizione del dominio di analisi, il recupero e la pulizia di dati grezzi, il calcolo delle probabilità, i modelli statistici, fino all'applicazione di algoritmi di machine learning. Non mancano approfondimenti su come normalizzare e preparare i dati prima di un'analisi, oltre a suggerimenti su come presentare e comunicare i risultati in modo efficace. Tutti i passaggi chiave sono corredati da esempi di pseudocodice per illustrare al meglio gli algoritmi in uso mentre gli esempi di codice utilizzano prevalentemente il linguaggio Python.

Nel 'Silenzio della pietra' la storia personale di Sude si intreccia con le vicende e le ferite ancora aperte della giovane repubblica di Turchia. Il gomitolo dei ricordi si dipana a partire dall'infanzia e dall'adolescenza in cui Sude è divisa tra due mondi familiari profondamente diversi, passando attraverso la scoperta delle origini armene del ramo materno, arrivando infine alla perdita dell'uomo che ama. Lentamente Sude assembla i tasselli della storia familiare, scontrandosi con il silenzio che avvolge la storia della persecuzione armena, con le sue deportazioni e le forzate conversioni. Via via che prosegue la ricerca la narrazione si fa più onirica, confondendo la realtà col sogno, l'immaginazione con l'incubo, in una atmosfera di crescente oppressione. Sullo sfondo di uno degli episodi più dolorosi della storia della Turchia, è il filo rosso della paura a intrecciare i destini dei personaggi.

Nel 'Silenzio della pietra' la storia personale di Sude si intreccia con le vicende e le ferite ancora aperte della giovane repubblica di Turchia. Il gomitolo dei ricordi si dipana a partire dall'infanzia e dall'adolescenza in cui Sude è divisa tra due mondi familiari profondamente diversi, passando attraverso la scoperta delle origini armene del ramo materno, arrivando infine alla perdita dell'uomo che ama. Lentamente Sude assembla i tasselli della storia familiare, scontrandosi con il silenzio che avvolge la storia della persecuzione armena, con le sue deportazioni e le forzate conversioni. Via via che prosegue la ricerca la narrazione si fa più onirica, confondendo la realtà col sogno, l'immaginazione con l'incubo, in una atmosfera di crescente oppressione. Sullo sfondo di uno degli episodi più dolorosi della storia della Turchia, è il filo rosso della paura a intrecciare i destini dei personaggi.

The Practical, Step-by-Step Guide to Using LLMs at Scale in Projects and Products\n\n Large Language Models (LLMs) like ChatGPT are demonstrating breathtaking capabilities, but their size and complexity have deterred many practitioners from applying them. In Quick Start Guide to Large Language Models, pioneering data scientist and AI entrepreneur Sinan Ozdemir clears away those obstacles and provides a guide to working with, integrating, and deploying LLMs to solve practical problems.\n\n Ozdemir brings together all you need to get started, even if you have no direct experience with LLMs: step-by-step instructions, best practices, real-world case studies, hands-on exercises, and more. Along the way, he shares insights into LLMs' inner workings to help you optimize model choice, data formats, parameters, and performance. You'll find even more resources on the companion website, including sample datasets and code for working with open- and closed-source LLMs such as those from OpenAI (GPT-4 and ChatGPT), Google (BERT, T5, and Bard), EleutherAI (GPT-J and GPT-Neo), Cohere (the Command family), and Meta (BART and the LLaMA family).\n\n \n\nLearn key concepts: pre-training, transfer learning, fine-tuning, attention, embeddings, tokenization, and more\nUse APIs and Python to fine-tune and customize LLMs for your requirements\nBuild a complete neural/semantic information retrieval system and attach to conversational LLMs for retrieval-augmented generation\nMaster advanced prompt engineering techniques like output structuring, chain-ofthought, and semantic few-shot prompting\nCustomize LLM embeddings to build a complete recommendation engine from scratch with user data\nConstruct and fine-tune multimodal Transformer architectures using opensource LLMs\nAlign LLMs using Reinforcement Learning from Human and AI Feedback (RLHF/RLAIF)\nDeploy prompts and custom fine-tuned LLMs to the cloud with scalability and evaluation pipelines in mind\n\n \"By balancing the potential of both open- and closed-source models, Quick Start Guide to Large Language Models stands as a comprehensive guide to understanding and using LLMs, bridging the gap between theoretical concepts and practical application.\"\n--Giada Pistilli, Principal Ethicist at HuggingFace\n\n \"A refreshing and inspiring resource. Jam-packed with practical guidance and clear explanations that leave you smarter about this incredible new field.\"\n--Pete Huang, author of The Neuron\n\n Register your book for convenient access to downloads, updates, and/or corrections as they become available. See inside book for details.

The Practical, Step-by-Step Guide to Using LLMs at Scale in Projects and Products\n\n Large Language Models (LLMs) like ChatGPT are demonstrating breathtaking capabilities, but their size and complexity have deterred many practitioners from applying them. In Quick Start Guide to Large Language Models, pioneering data scientist and AI entrepreneur Sinan Ozdemir clears away those obstacles and provides a guide to working with, integrating, and deploying LLMs to solve practical problems.\n\n Ozdemir brings together all you need to get started, even if you have no direct experience with LLMs: step-by-step instructions, best practices, real-world case studies, hands-on exercises, and more. Along the way, he shares insights into LLMs' inner workings to help you optimize model choice, data formats, parameters, and performance. You'll find even more resources on the companion website, including sample datasets and code for working with open- and closed-source LLMs such as those from OpenAI (GPT-4 and ChatGPT), Google (BERT, T5, and Bard), EleutherAI (GPT-J and GPT-Neo), Cohere (the Command family), and Meta (BART and the LLaMA family).\n\n \n\nLearn key concepts: pre-training, transfer learning, fine-tuning, attention, embeddings, tokenization, and more\nUse APIs and Python to fine-tune and customize LLMs for your requirements\nBuild a complete neural/semantic information retrieval system and attach to conversational LLMs for retrieval-augmented generation\nMaster advanced prompt engineering techniques like output structuring, chain-ofthought, and semantic few-shot prompting\nCustomize LLM embeddings to build a complete recommendation engine from scratch with user data\nConstruct and fine-tune multimodal Transformer architectures using opensource LLMs\nAlign LLMs using Reinforcement Learning from Human and AI Feedback (RLHF/RLAIF)\nDeploy prompts and custom fine-tuned LLMs to the cloud with scalability and evaluation pipelines in mind\n\n \"By balancing the potential of both open- and closed-source models, Quick Start Guide to Large Language Models stands as a comprehensive guide to understanding and using LLMs, bridging the gap between theoretical concepts and practical application.\"\n--Giada Pistilli, Principal Ethicist at HuggingFace\n\n \"A refreshing and inspiring resource. Jam-packed with practical guidance and clear explanations that leave you smarter about this incredible new field.\"\n--Pete Huang, author of The Neuron\n\n Register your book for convenient access to downloads, updates, and/or corrections as they become available. See inside book for details.

Prima di ogni seme, c'è il silenzio. È da lì che nasce questo libro: dal respiro della terra all'alba, dalla rugiada che nutre il suolo senza farsi vedere, dal ritmo paziente delle stagioni. Con una scrittura semplice e meditativa, Kutluhan Özdemir racconta l'esperienza nella fattoria Shizen come un ritorno all'essenziale. L'agricoltura naturale diventa così un percorso di trasformazione interiore, in cui il contadino impara a fare un passo indietro perché la vita possa fiorire. Tra semi che germogliano nel buio, piogge attese e pane condiviso al tramonto, queste pagine parlano di fiducia, gratitudine e appartenenza. Coltivare il suolo alla maniera di Masanobu Fukuoka si rivela una scuola di pazienza e di umiltà, un cammino che trasforma il suolo e l'anima di chi lo custodisce. La lezione della rugiada non è un manuale, ma un invito a rallentare, lasciare andare il controllo e tornare parte dell'immenso respiro della natura.

Prima di ogni seme, c'è il silenzio. È da lì che nasce questo libro: dal respiro della terra all'alba, dalla rugiada che nutre il suolo senza farsi vedere, dal ritmo paziente delle stagioni. Con una scrittura semplice e meditativa, Kutluhan Özdemir racconta l'esperienza nella fattoria Shizen come un ritorno all'essenziale. L'agricoltura naturale diventa così un percorso di trasformazione interiore, in cui il contadino impara a fare un passo indietro perché la vita possa fiorire. Tra semi che germogliano nel buio, piogge attese e pane condiviso al tramonto, queste pagine parlano di fiducia, gratitudine e appartenenza. Coltivare il suolo alla maniera di Masanobu Fukuoka si rivela una scuola di pazienza e di umiltà, un cammino che trasforma il suolo e l'anima di chi lo custodisce. La lezione della rugiada non è un manuale, ma un invito a rallentare, lasciare andare il controllo e tornare parte dell'immenso respiro della natura.

Questo libro nasce dall'intento di divulgare in Italia il metodo di coltivazione del celebre agronomo giapponese Masanobu Fukuoka, pioniere dell'agricoltura naturale, che conta un vasto seguito in Italia. Si tratta di un manuale che insegna la cosiddetta “agricoltura del non fare” e nello stesso tempo invita a riconnettersi con la natura, per vivere in modo più armonioso.

Questo libro nasce dall'intento di divulgare in Italia il metodo di coltivazione del celebre agronomo giapponese Masanobu Fukuoka, pioniere dell'agricoltura naturale, che conta un vasto seguito in Italia. Si tratta di un manuale che insegna la cosiddetta “agricoltura del non fare” e nello stesso tempo invita a riconnettersi con la natura, per vivere in modo più armonioso.

The Practical, Step-by-Step Guide to Using LLMs at Scale in Projects and Products\n\n Large Language Models (LLMs) like Llama 3, Claude 3, and the GPT family are demonstrating breathtaking capabilities, but their size and complexity have deterred many practitioners from applying them. In Quick Start Guide to Large Language Models, Second Edition, pioneering data scientist and AI entrepreneur Sinan Ozdemir clears away those obstacles and provides a guide to working with, integrating, and deploying LLMs to solve practical problems.\n\n Ozdemir brings together all you need to get started, even if you have no direct experience with LLMs: step-by-step instructions, best practices, real-world case studies, and hands-on exercises. Along the way, he shares insights into LLMs' inner workings to help you optimize model choice, data formats, prompting, fine-tuning, performance, and much more. The resources on the companion website include sample datasets and up-to-date code for working with open- and closed-source LLMs such as those from OpenAI (GPT-4 and GPT-3.5), Google (BERT, T5, and Gemini), X (Grok), Anthropic (the Claude family), Cohere (the Command family), and Meta (BART and the LLaMA family).\n\n \n\nLearn key concepts: pre-training, transfer learning, fine-tuning, attention, embeddings, tokenization, and more\nUse APIs and Python to fine-tune and customize LLMs for your requirements\nBuild a complete neural/semantic information retrieval system and attach to conversational LLMs for building retrieval-augmented generation (RAG) chatbots and AI Agents\nMaster advanced prompt engineering techniques like output structuring, chain-of-thought prompting, and semantic few-shot prompting\nCustomize LLM embeddings to build a complete recommendation engine from scratch with user data that outperforms out-of-the-box embeddings from OpenAI\nConstruct and fine-tune multimodal Transformer architectures from scratch using open-source LLMs and large visual datasets\nAlign LLMs using Reinforcement Learning from Human and AI Feedback (RLHF/RLAIF) to build conversational agents from open models like Llama 3 and FLAN-T5\nDeploy prompts and custom fine-tuned LLMs to the cloud with scalability and evaluation pipelines in mind\nDiagnose and optimize LLMs for speed, memory, and performance with quantization, probing, benchmarking, and evaluation frameworks\n\n \"A refreshing and inspiring resource. Jam-packed with practical guidance and clear explanations that leave you smarter about this incredible new field.\"\n--Pete Huang, author of The Neuron\n\n Register your book for convenient access to downloads, updates, and/or corrections as they become available. See inside book for details.

The Practical, Step-by-Step Guide to Using LLMs at Scale in Projects and Products\n\n Large Language Models (LLMs) like Llama 3, Claude 3, and the GPT family are demonstrating breathtaking capabilities, but their size and complexity have deterred many practitioners from applying them. In Quick Start Guide to Large Language Models, Second Edition, pioneering data scientist and AI entrepreneur Sinan Ozdemir clears away those obstacles and provides a guide to working with, integrating, and deploying LLMs to solve practical problems.\n\n Ozdemir brings together all you need to get started, even if you have no direct experience with LLMs: step-by-step instructions, best practices, real-world case studies, and hands-on exercises. Along the way, he shares insights into LLMs' inner workings to help you optimize model choice, data formats, prompting, fine-tuning, performance, and much more. The resources on the companion website include sample datasets and up-to-date code for working with open- and closed-source LLMs such as those from OpenAI (GPT-4 and GPT-3.5), Google (BERT, T5, and Gemini), X (Grok), Anthropic (the Claude family), Cohere (the Command family), and Meta (BART and the LLaMA family).\n\n \n\nLearn key concepts: pre-training, transfer learning, fine-tuning, attention, embeddings, tokenization, and more\nUse APIs and Python to fine-tune and customize LLMs for your requirements\nBuild a complete neural/semantic information retrieval system and attach to conversational LLMs for building retrieval-augmented generation (RAG) chatbots and AI Agents\nMaster advanced prompt engineering techniques like output structuring, chain-of-thought prompting, and semantic few-shot prompting\nCustomize LLM embeddings to build a complete recommendation engine from scratch with user data that outperforms out-of-the-box embeddings from OpenAI\nConstruct and fine-tune multimodal Transformer architectures from scratch using open-source LLMs and large visual datasets\nAlign LLMs using Reinforcement Learning from Human and AI Feedback (RLHF/RLAIF) to build conversational agents from open models like Llama 3 and FLAN-T5\nDeploy prompts and custom fine-tuned LLMs to the cloud with scalability and evaluation pipelines in mind\nDiagnose and optimize LLMs for speed, memory, and performance with quantization, probing, benchmarking, and evaluation frameworks\n\n \"A refreshing and inspiring resource. Jam-packed with practical guidance and clear explanations that leave you smarter about this incredible new field.\"\n--Pete Huang, author of The Neuron\n\n Register your book for convenient access to downloads, updates, and/or corrections as they become available. See inside book for details.

For thirty years, Huseyin has worked in Germany, taking every extra shift and carefully saving, even as he provides for his wife and their four children. Finally, he has set aside enough to buy an apartment back in Istanbul - a new centre for the family and a place for him to retire. But just as this future is in reach, Huseyin's tired heart gives up. His family rush to him, travelling from Germany by plane and car, each of his children conflicted as they process their relationship with their parents and each other. \n\nReminiscent of Bernardine Evaristo or Zadie Smith, Djinns portrays a family at the end of the 20th century in all its complexity - full of secrets, questions, silence and love.

For thirty years, Huseyin has worked in Germany, taking every extra shift and carefully saving, even as he provides for his wife and their four children. Finally, he has set aside enough to buy an apartment back in Istanbul - a new centre for the family and a place for him to retire. But just as this future is in reach, Huseyin's tired heart gives up. His family rush to him, travelling from Germany by plane and car, each of his children conflicted as they process their relationship with their parents and each other. \n\nReminiscent of Bernardine Evaristo or Zadie Smith, Djinns portrays a family at the end of the 20th century in all its complexity - full of secrets, questions, silence and love.

Era il 20 luglio del 2015. A Suruç, capoluogo dell'omonimo distretto turco confinante con la Siria, centinaia di ragazzi e ragazze, militanti della Federazione delle Associazioni Giovanili Socialiste e provenienti da ogni angolo del paese, si trovano nel giardino del centro culturale insieme a ciò che hanno portato con loro: libri, giocattoli e vestiti utili a dare un contributo alla ricostruzione di Kobânê, la città-martire della rivoluzione del Rojava, il luogo in cui l'autorganizzazione popolare ha dimostrato di poter tenere testa e addirittura sconfiggere le milizie fasciste dell'Isis. «L'abbiamo difesa insieme, la ricostruiremo insieme», hanno scritto i giovani socialisti turchi su uno striscione: un messaggio di pace e solidarietà destinato a essere travolto da un violento attacco islamista quando, poco prima di mezzogiorno, la bomba di un attentatore sucida – probabilmente una ragazza diciottenne – uccide 33 persone, ferendone oltre cento. Immediatamente, sorda a qualsiasi dolore, sulla strage di Suruç cala la censura di Erdogan. Gli stessi social network vengono oscurati dal regime del \"Sultano\", senza riuscire, però, a impedire che tra l'opinione pubblica circolasse una domanda: come è stato possibile, per un attentare e la sua ingente quantità di esplosivo, riuscire ad attraversare il blindatissimo confine turco-siriano? Oggi che Erdogan guida in prima persona l'offensiva turca contro la Siria del Nord, la storia e la memoria delle vittime di Suruç, raccolte da Arzu Demir, rappresentano un atto di accusa senza precedenti nei confronti dell'ipocrisia turca e dei suoi alleati europei e statunitensi. Perché \"andare a Kobane\", per i giovani uccisi a Suruç nel 2015 e, oggi, per un numero sempre maggiore di persone di qualunque nazionalità, continua a essere, più che un messaggio, una sfida lanciata a tutti i regimi che, arrogandosi con la forza il diritto di agire nel nome della \"democrazia\", credono di poter continuare a soffocare le aspirazioni alla giustizia e alla libertà.

Era il 20 luglio del 2015. A Suruç, capoluogo dell'omonimo distretto turco confinante con la Siria, centinaia di ragazzi e ragazze, militanti della Federazione delle Associazioni Giovanili Socialiste e provenienti da ogni angolo del paese, si trovano nel giardino del centro culturale insieme a ciò che hanno portato con loro: libri, giocattoli e vestiti utili a dare un contributo alla ricostruzione di Kobânê, la città-martire della rivoluzione del Rojava, il luogo in cui l'autorganizzazione popolare ha dimostrato di poter tenere testa e addirittura sconfiggere le milizie fasciste dell'Isis. «L'abbiamo difesa insieme, la ricostruiremo insieme», hanno scritto i giovani socialisti turchi su uno striscione: un messaggio di pace e solidarietà destinato a essere travolto da un violento attacco islamista quando, poco prima di mezzogiorno, la bomba di un attentatore sucida – probabilmente una ragazza diciottenne – uccide 33 persone, ferendone oltre cento. Immediatamente, sorda a qualsiasi dolore, sulla strage di Suruç cala la censura di Erdogan. Gli stessi social network vengono oscurati dal regime del \"Sultano\", senza riuscire, però, a impedire che tra l'opinione pubblica circolasse una domanda: come è stato possibile, per un attentare e la sua ingente quantità di esplosivo, riuscire ad attraversare il blindatissimo confine turco-siriano? Oggi che Erdogan guida in prima persona l'offensiva turca contro la Siria del Nord, la storia e la memoria delle vittime di Suruç, raccolte da Arzu Demir, rappresentano un atto di accusa senza precedenti nei confronti dell'ipocrisia turca e dei suoi alleati europei e statunitensi. Perché \"andare a Kobane\", per i giovani uccisi a Suruç nel 2015 e, oggi, per un numero sempre maggiore di persone di qualunque nazionalità, continua a essere, più che un messaggio, una sfida lanciata a tutti i regimi che, arrogandosi con la forza il diritto di agire nel nome della \"democrazia\", credono di poter continuare a soffocare le aspirazioni alla giustizia e alla libertà.