Sztuczna inteligencja
Learn Mistral. Elevating Mistral systems through embeddings, agents, RAG, AWS Bedrock, and Vertex AI
Pavlo Cherkashin
This is a practical, project-driven guide to turning open-source Mistral models into production-ready AI solutions. Through hands-on workshops and use cases, you’ll learn how to build private chat systems, semantic search engines, intelligent agents, coding assistants, and secure deployments that go beyond simple experimentation. The journey begins by exploring where Mistral excels and where human oversight is essential. You’ll then learn to set up a secure, locally hosted chat system with Ollama, customize behavior with system prompts and parameters, and dive deep into embeddings to unlock semantic search with Pinecone. As you progress, you’ll build multi-agent workflows, unpack advanced Retrieval-Augmented Generation pipelines, and integrate Mistral with Codestral to accelerate coding. You'll also learn to apply Mistral to cybersecurity, be challenged with open-ended RAG projects, and be guided through deploying scalable AI on AWS Bedrock and Google Vertex AI.By the end of this book, you will be ready to design and build AI systems that are innovative, compliant, and production-ready.*Email sign-up and proof of purchase required
Christoffer Noring, Dan Wahlin
Learn Model Context Protocol with TypeScript introduces developers, architects, and AI practitioners to the transformative capabilities of Model Context Protocol (MCP), an emerging protocol designed to standardize, distribute, and scale AI-driven applications. Through the lens of a practical project, the book tackles the modern challenges of resource management, client-server interaction, and deployment at scale.Drawing from Christoffer's expertise as a published author and tutor at the University of Oxford, you’ll explore the components of MCP and how they streamline server and client development. After that, you’ll progress from building robust backends and integrating LLMs into intelligent clients to interacting with servers via tools such as Claude for desktop and Visual Studio Code agents. The chapters help you understand the capabilities of hosts, clients, and servers, facilitating better interoperability, easier integration, and clearer communication between different components.The book also covers security best practices and building for the cloud, ensuring that you're ready to deploy your MCP-based apps. Each chapter enables you to develop hands-on skills for building and operating MCP-based agentic apps.*Email sign-up and proof of purchase required
Josué R. Batista, Christopher Papile
As the field of generative AI evolves, so does the demand for intelligent systems that can understand human speech. Navigating the complexities of automatic speech recognition (ASR) technology is a significant challenge for many professionals. This book offers a comprehensive solution that guides you through OpenAI's advanced ASR system.You’ll begin your journey with Whisper's foundational concepts, gradually progressing to its sophisticated functionalities. Next, you’ll explore the transformer model, understand its multilingual capabilities, and grasp training techniques using weak supervision. The book helps you customize Whisper for different contexts and optimize its performance for specific needs. You’ll also focus on the vast potential of Whisper in real-world scenarios, including its transcription services, voice-based search, and the ability to enhance customer engagement. Advanced chapters delve into voice synthesis and diarization while addressing ethical considerations.By the end of this book, you'll have an understanding of ASR technology and have the skills to implement Whisper. Moreover, Python coding examples will equip you to apply ASR technologies in your projects as well as prepare you to tackle challenges and seize opportunities in the rapidly evolving world of voice recognition and processing.
David Young
If you are a game developer or a general programmer who wishes to focus on programming systems and techniques to build your game AI without creating low-level interfaces in a game engine, then this book is for you. Knowledge of C++ will come in handy to debug the entirety of the AI sandbox and expand on the features present within the book, but it is not required.
Gionata Minichino, Joseph Howse, Gil Levi, Joe...
Jarrod Anderson
Nowoczesne organizacje muszą używać sztucznej inteligencji, aby realizować cele strategiczne i wprowadzać innowacje. W świecie napędzanym przez AI przetrwanie i rozwój wymagają inteligentnych systemów, modeli wspierających kluczowe decyzje i przełomowych aplikacji. Wizjonerskie przywództwo jednak powinno się harmonijnie łączyć z praktyką codziennego działania firmy. Ten podręcznik na nowo definiuje rolę lidera do spraw sztucznej inteligencji w środowisku, w którym używa się predykcyjnej, deterministycznej, generatywnej i agentowej AI do rozwiązywania złożonych problemów i wspierania innowacyjności. Autor przedstawia strategie realizacji transformacyjnych inicjatyw z obszaru AI, budowania skutecznych zespołów i zarządzania nimi. Dużo miejsca poświęca odpowiedzialnemu wdrażaniu AI i zachowaniu zgodności z regulacjami. Książka spełnia rolę mapy drogowej od projektowania przełomowych rozwiązań po osiąganie wymiernych rezultatów biznesowych. W książce: rozwój i realizacja strategii AI w zgodzie z regulacjami zarządzanie projektami z wykorzystaniem metodyk zwinnych przykłady zastosowania deterministycznej i probabilistycznej AI optymalizacja działania systemów autonomicznych zasady projektowania systemów AI skoncentrowanych na człowieku mechanizmy ochrony danych i prywatności modeli AI nie jest wyborem. To paradygmat przywództwa!
LLM Design Patterns. A Practical Guide to Building Robust and Efficient AI Systems
Ken Huang
This practical guide for AI professionals enables you to build on the power of design patterns to develop robust, scalable, and efficient large language models (LLMs). Written by a global AI expert and popular author driving standards and innovation in Generative AI, security, and strategy, this book covers the end-to-end lifecycle of LLM development and introduces reusable architectural and engineering solutions to common challenges in data handling, model training, evaluation, and deployment.You’ll learn to clean, augment, and annotate large-scale datasets, architect modular training pipelines, and optimize models using hyperparameter tuning, pruning, and quantization. The chapters help you explore regularization, checkpointing, fine-tuning, and advanced prompting methods, such as reason-and-act, as well as implement reflection, multi-step reasoning, and tool use for intelligent task completion. The book also highlights Retrieval-Augmented Generation (RAG), graph-based retrieval, interpretability, fairness, and RLHF, culminating in the creation of agentic LLM systems.By the end of this book, you’ll be equipped with the knowledge and tools to build next-generation LLMs that are adaptable, efficient, safe, and aligned with human values.
Valentina Alto
Duże modele językowe (LLM) stały się technologicznym przełomem. Ich wszechstronność i funkcjonalność sprawiły, że coraz częściej mówi się o nowej erze inteligentnie działających urządzeń i aplikacji. Umiejętność zastosowania LLM we własnych projektach już dziś jest koniecznością dla wielu projektantów i programistów. Dzięki tej książce opanujesz podstawowe koncepcje związane z użyciem LLM. Poznasz unikatowe cechy i mocne strony kilku najważniejszych modeli (w tym GPT, Gemini, Falcon). Następnie dowiesz się, w jaki sposób LangChain, lekki framework Pythona, pozwala na projektowanie inteligentnych agentów do przetwarzania danych o nieuporządkowanej strukturze. Znajdziesz tu również informacje dotyczące dużych modeli podstawowych, które wykraczają poza obsługę języka i potrafią wykonywać różne zadania związane na przykład z grafiką i dźwiękiem. Na koniec zgłębisz zagadnienia dotyczące ryzyka związanego z LLM, a także poznasz techniki uniemożliwiania tym modelom potencjalnie szkodliwych działań w aplikacji. Najciekawsze zagadnienia: architektura dużych modeli językowych unikatowe funkcje LLM komponenty służące do koordynacji sztucznej inteligencji, w tym tworzenia frontendu użycie wiedzy nieparametrycznej i wektorowych baz danych dostrajanie dużych modeli językowych do własnych potrzeb odpowiedzialność i etyka w systemach korzystających z LLM Odkryj, jak łatwo model generatywnej AI zintegruje się z Twoją aplikacją! O książce w mediach: Eksperyment Myślowy - recenzja książki