ODBIERZ TWÓJ BONUS :: »

LLMs w akcji. Od modeli językowych do dochodowych produktów Christopher Brousseau, Matt Sharp

Autorzy:
Christopher Brousseau, Matt Sharp
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
504
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment
Książka
119,20 zł 149,00 zł (-20%)
134,10 zł najniższa cena z 30 dni

Dodaj do koszyka Wysyłamy w 24h

Ebook
111,75 zł 149,00 zł (-25%)
104,30 zł najniższa cena z 30 dni

Dodaj do koszyka Dostępny natychmiast po opłaceniu zakupu lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Czego się nauczysz?

  • Wybierać odpowiedni model językowy do swoich potrzeb
  • Oceniać jakość i parametry modeli językowych
  • Przygotowywać dane do trenowania modeli LLM
  • Stosować podstawowe i zaawansowane techniki trenowania modeli LLM
  • Implementować techniki kompresji i optymalizacji modeli (kwantyzacja, LoRA, destylacja wiedzy)
  • Budować usługi oparte na dużych modelach językowych
  • Przygotowywać infrastrukturę do wdrażania modeli LLM
  • Zarządzać infrastrukturą Kubernetes dla aplikacji AI
  • Tworzyć efektywne prompty i budować agentów AI
  • Implementować systemy RAG z wykorzystaniem wektorowych baz danych
  • Budować własne modele LLM
  • Tworzyć rozszerzenia AI dla popularnych narzędzi programistycznych
  • Wdrażać modele LLM na urządzeniach brzegowych, takich jak Raspberry Pi
  • Zabezpieczać systemy oparte na LLM i kontrolować koszty ich działania
  • Monitorować systemy oparte na LLM w środowisku produkcyjnym
  • Projektować i implementować przyszłe rozwiązania z wykorzystaniem modeli językowych

Duże modele językowe (LLM) rewolucjonizują branżę IT, oferując bezprecedensowe możliwości w zakresie przetwarzania języka naturalnego. ChatGPT i podobne rozwiązania pokazały ogromny potencjał tej technologii, ale wdrożenie LLM w środowiskach produkcyjnych to znacznie więcej niż tylko korzystanie z gotowych API. Książka wypełnia lukę między teorią a praktyką, pokazując, jak przekształcić fascynujące demonstracje w działające produkty biznesowe. Stanowi doskonałe uzupełnienie publikacji Sebastiana Raschki Stwórz własne AI. Jak od podstaw zbudować duży model językowy, skupionej na budowaniu i zrozumieniu LLM od podstaw rozszerza tę wiedzę o praktyczne zastosowania w produkcji, w tym integrację, efektywne kosztowo trenowanie modeli i ocenę ich jakości.[JB1.1]

Autorzy prowadzą czytelnika przez kompletny proces od wyboru odpowiedniego modelu bazowego, przez przygotowanie danych treningowych i techniki dostrajania, aż po wdrożenie w klastrze Kubernetes. Prezentują przy tym trzy praktyczne projekty: budowę własnego modelu LLM od podstaw, stworzenie rozszerzenia AI dla VS Code i wdrożenie modelu na Raspberry Pi. Szczególny nacisk kładą na aspekty produkcyjne zarządzanie kosztami, bezpieczeństwo, skalowanie i monitorowanie systemów opartych na LLM.

W książce:

  • Kompletny przewodnik po LLMOps
  • Praktyczne techniki kompresji i optymalizacji (kwantyzacja, LoRA, destylacja wiedzy)
  • Inżynieria promptów i budowa agentów AI
  • Implementacja systemów RAG z wektorowymi bazami danych
  • Zarządzanie infrastrukturą Kubernetes dla aplikacji AI
  • Bezpieczeństwo, kontrola kosztów i monitorowanie systemów LLM

Od teorii do produkcji praktyczny przewodnik po wdrażaniu LLM

Recenzje ekspertów:
Książka opisuje wszystkie kluczowe aspekty budowania i wdrażania dużych modeli językowych. Obejmuje szczegółowe i fascynujące obszary, pomijane w większości innych publikacji.

Andrew Carr, Cartwheel

Lektura obowiązkowa dla każdego, kto chce wykorzystać potencjał dużych modeli językowych w środowiskach produkcyjnych.

Jepson Taylor, VEOX Inc.

Wyjątkowy przewodnik, który upraszcza proces budowy i wdrażania złożonych dużych modeli językowych.

Arunkumar Gopalan, Microsoft

Wybrane bestsellery

O autorach książki

Christopher Brousseau specjalista do spraw uczenia maszynowego w JPMorganChase, ekspert w dziedzinie lingwistyki i przetwarzania języka naturalnego.

Matthew Sharp doświadczony inżynier i lider technologiczny MLOps, specjalizuje się we wdrażaniu i skalowaniu modeli ML w środowiskach produkcyjnych.

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czym są duże modele językowe (LLM) i dlaczego są tak ważne w branży IT?
Duże modele językowe (LLM) to zaawansowane systemy AI, które potrafią przetwarzać i generować tekst na poziomie zbliżonym do ludzkiego. Rewolucjonizują branżę IT, umożliwiając tworzenie innowacyjnych rozwiązań i aplikacji opartych na języku naturalnym.
2. Do kogo skierowana jest ta książka i jakie umiejętności można dzięki niej zdobyć?
Książka jest przeznaczona dla osób zainteresowanych praktycznym wykorzystaniem LLM w środowisku produkcyjnym. Nauczysz się wybierać i dostrajać modele, przygotowywać dane, wdrażać je na platformach takich jak Kubernetes, a także zarządzać kosztami i bezpieczeństwem.
3. Jakie konkretne projekty zostaną omówione w książce i czy pomogą mi one w praktyce?
Tak, książka zawiera trzy praktyczne projekty: budowę własnego modelu LLM od podstaw, stworzenie rozszerzenia AI dla VS Code oraz wdrożenie modelu na Raspberry Pi. Pozwolą Ci one na zastosowanie zdobytej wiedzy w realnych zastosowaniach.
4. Co oznacza termin "LLMOps" i dlaczego jest on tak ważny przy wdrażaniu modeli językowych?
LLMOps (Large Language Model Operations) to zestaw praktyk i narzędzi do zarządzania cyklem życia dużych modeli językowych w środowisku produkcyjnym. Jest kluczowy dla efektywnego wdrażania, monitorowania i utrzymania stabilnych oraz skalowalnych systemów LLM.
5. Jakie techniki optymalizacji modeli LLM zostaną zaprezentowane w książce?
Książka omawia praktyczne techniki kompresji i optymalizacji modeli LLM, takie jak kwantyzacja, LoRA czy destylacja wiedzy. Pozwolą Ci one na zmniejszenie wymagań sprzętowych i kosztów związanych z uruchamianiem modeli.
6. Czym jest RAG i jak jego implementacja zostanie przedstawiona w tej publikacji?
RAG (Retrieval-Augmented Generation) to technika łącząca generowanie tekstu z możliwością wyszukiwania informacji w zewnętrznych bazach danych. Książka pokaże, jak implementować systemy RAG z wykorzystaniem wektorowych baz danych.
7. Jakie aspekty związane z produkcyjnym wykorzystaniem modeli LLM będą szczegółowo omawiane?
Publikacja kładzie duży nacisk na aspekty produkcyjne, w tym zarządzanie kosztami, bezpieczeństwo systemów opartych na LLM, skalowanie infrastruktury oraz monitorowanie ich działania.
8. Czy książka porównuje podejście "kupowania" gotowych modeli z "budowaniem" własnych rozwiązań LLM?
Tak, rozdział pierwszy omawia podejście do wyboru modelu językowego, analizując zalety i wady zarówno zakupu gotowych rozwiązań, jak i budowania własnych od podstaw.

Zamknij

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

Zamknij

Wybierz metodę płatności

Książka
119,20 zł
Dodaj do koszyka
Ebook
111,75 zł
Dodaj do koszyka
Płatności obsługuje:
Ikona płatności Alior Bank Ikona płatności Apple Pay Ikona płatności Bank PEKAO S.A. Ikona płatności Bank Pocztowy Ikona płatności Banki Spółdzielcze Ikona płatności BLIK Ikona płatności Crédit Agricole e-przelew Ikona płatności dawny BNP Paribas Bank Ikona płatności Google Pay Ikona płatności ING Bank Śląski Ikona płatności Inteligo Ikona płatności iPKO Ikona płatności mBank Ikona płatności Millennium Ikona płatności Nest Bank Ikona płatności Paypal Ikona płatności PayPo | PayU Płacę później Ikona płatności PayU Płacę później Ikona płatności Plus Bank Ikona płatności Płacę z Citi Handlowy Ikona płatności Płacę z Getin Bank Ikona płatności Płać z BOŚ Ikona płatności Płatność online kartą płatniczą Ikona płatności Santander Ikona płatności Visa Mobile
Bezpieczne płatności szyfrowane SSL