Inżynieria AI. Tworzenie aplikacji z wykorzystaniem modeli bazowych

Chip Huyen

Modele bazowe (foundation models) zapoczątkowały prawdziwy rozkwit aplikacji opartych na sztucznej inteligencji. AI stała się potężnym narzędziem rozwojowym, którego dziś może używać niemal każdy. Decyzja o stworzeniu własnej aplikacji AI wymaga jednak zrozumienia procesu budowy i świadomego podejmowania decyzji projektowych. Ta książka jest kompleksowym przewodnikiem po budowaniu generatywnych aplikacji AI w środowiskach produkcyjnych. Luke Metz, współtwórca ChatGPT w OpenAI Ten przystępnie napisany i praktyczny podręcznik pokazuje, czym jest inżynieria AI i w jaki sposób tworzy się aplikacje z wykorzystaniem łatwo dostępnych modeli bazowych. Dowiesz się, jak się poruszać w świecie sztucznej inteligencji, czym dokładnie są modele, zbiory danych, wskaźniki oceny i wzorce aplikacyjne. W książce przedstawiono również, krok po kroku, kompletny proces tworzenia aplikacji AI i ich efektywnego wdrażania. Poszczególne zagadnienia zostały zilustrowane dobrze udokumentowanymi studiami przypadków. Nie zabrakło również komentarzy odnoszących się do zaimplementowania systemu opinii użytkowników w celu zapewnienia przydatnych informacji zwrotnych. Najważniejsze zagadnienia: istota inżynierii AI proces tworzenia aplikacji AI różne techniki adaptacji modeli, w tym inżynieria promptów, generowanie wspomagane wyszukiwaniem (RAG), dostrajanie modeli, agenty i inżynieria zbiorów danych wąskie gardła modeli podstawowych i ich pokonywanie zasady wyboru modelu, wskaźników, danych oraz wzorców projektowych Pozycja obowiązkowa dla każdego profesjonalisty, który chce wdrożyć AI w swojej firmie! Vittorio Cretella, były dyrektor IT w P&G i Mars

Jak projektować systemy uczenia maszynowego. Iteracyjne tworzenie aplikacji gotowych do pracy

Chip Huyen

Systemy uczenia maszynowego (ML) charakteryzują się złożonością i unikatowością. Zmiana w jednym z wielu komponentów może istotnie wpłynąć na całość. Zastosowane w modelach dane diametralnie różnią się od siebie w poszczególnych przypadkach użycia. To wszystko sprawia, że bardzo trudno jest stworzyć taki system, jeśli każdy komponent zostaje zaprojektowany oddzielnie. Aby zbudować aplikację korzystającą z ML i nadającą się do wdrożenia w środowisku produkcyjnym, konieczne jest podejmowanie decyzji projektowych z uwzględnieniem cech systemu jako całości. To książka przeznaczona dla inżynierów, którzy chcą stosować systemy uczenia maszynowego do rozwiązywania rzeczywistych problemów biznesowych. Zaprezentowano w niej systemy ML używane w szybko rozwijających się startupach, a także przedstawiono holistyczne podejście do ich projektowania ― z uwzględnieniem różnych komponentów systemu i celów osób zaangażowanych w proces. Dużo uwagi poświęcono analizie decyzji projektowych, dotyczących między innymi sposobu tworzenia i przetwarzania danych treningowych, wyboru wskaźników, częstotliwości ponownego treningu modelu czy techniki monitorowania pracy aplikacji. Zaprezentowana tu koncepcja iteracyjna natomiast pozwala na uzyskanie pewności, że podejmowane decyzje są optymalne z punktu widzenia pracy całości systemu. Co ważne, poszczególne zagadnienia zostały zilustrowane rzeczywistymi studiami przypadków. W książce między innymi: wybór wskaźników właściwych dla danego problemu biznesowego automatyzacja ciągłego rozwoju, ewaluacji, wdrażania i aktualizacji modeli szybkie wykrywanie i rozwiązywanie problemów podczas wdrożenia produkcyjnego tworzenie wszechstronnej platformy ML odpowiedzialne tworzenie systemów ML Wdrażaj i skaluj modele tak, aby uzyskiwać najlepsze wyniki!