ODBIERZ TWÓJ BONUS :: »

Inżynieria dużych modeli językowych. Podręcznik projektowania, trenowania i wdrażania LLM Paul Iusztin, Maxime Labonne, Julien Chaumond (Foreword), Hamza Tahir (Foreword)

Inżynieria dużych modeli językowych. Podręcznik projektowania, trenowania i wdrażania LLM Paul Iusztin, Maxime Labonne, Julien Chaumond (Foreword), Hamza Tahir (Foreword) - okladka książki

Inżynieria dużych modeli językowych. Podręcznik projektowania, trenowania i wdrażania LLM Paul Iusztin, Maxime Labonne, Julien Chaumond (Foreword), Hamza Tahir (Foreword) - okladka książki

Autorzy:
Paul Iusztin, Maxime Labonne, Julien Chaumond (Foreword), Hamza Tahir (Foreword)
Wydawnictwo:
Helion
Ocena:
Stron:
488
Druk:
oprawa miękka

Wraz ze wzrostem popularności dużych modeli językowych rośnie zapotrzebowanie na specjalistów, którzy potrafią je skutecznie wdrażać w rzeczywistych rozwiązaniach. Inżynieria LLM to szeroki zestaw zadań, wymagający unikalnego połączenia wiedzy z wielu dziedzin. Szczególnie istotne okazuje się tu podejście MLOps, które znacząco zwiększa szanse na sukces w projektach opartych na modelach językowych.

Ten obszerny przewodnik pokaże Ci, jak stosować najlepsze praktyki w pracy z LLM. Znajdziesz tu omówienie kluczowych koncepcji, praktyczne techniki i porady ekspertów z zakresu inżynierii danych, dostrajania i oceny modeli, optymalizacji wnioskowania, a także budowania skalowalnych potoków przetwarzania. Krok po kroku prześledzisz, jak zrealizować konkretny produkt, integrując różne aspekty inżynierii LLM i metodologię MLOps. Dowiesz się, jak zbierać i przygotowywać dane, dostrajać modele do specyficznych zastosowań, zwiększać ich wydajność i wdrażać rozwiązania oparte na technice RAG.

Najciekawsze zagadnienia:

  • niezawodne potoki danych i zarządzanie cyklem trenowania modeli LLM
  • tworzenie i udoskonalanie modeli językowych w praktyce
  • podejście MLOps — koordynacja komponentów i monitorowanie promptów
  • nadzorowane dostrajanie i ewaluacja modeli
  • wykorzystanie narzędzi chmurowych (na przykład AWS) w skalowalnych wdrożeniach
  • praktyczne zastosowanie techniki retrieval-augmented generation (RAG)

Działa? To za mało. Musi działać dobrze!

O autorach książki

Paul Iusztin pełni funkcję starszego inżyniera uczenia maszynowego w firmie Metaphysic. Jest założycielem kanału edukacyjnego Decoding ML, poświęconego tworzeniu systemów uczenia maszynowego.

Dr Maxime Labonne kieruje zespołem Post-Training w Liquid AI. Jest uznanym ekspertem Google w dziedzinie sztucznej inteligencji. Organizuje kursy dotyczące dużych modeli językowych i pracuje nad modelami takimi jak NeuralDaredevil.

Helion - inne książki

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki

Zamknij

Wybierz metodę płatności

Sposób płatności