Własne AI w praktyce. Od pomysłu do dochodowych produktów opartych na dużych modelach językowych Christopher Brousseau, Matt Sharp

W przygotowaniu

Własne AI w praktyce. Od pomysłu do dochodowych produktów opartych na dużych modelach językowych Christopher Brousseau, Matt Sharp - okladka książki

Autorzy:: Christopher Brousseau, Matt Sharp
Wydawnictwo:: Helion
Ocena:
Stron:: 437
Druk:: oprawa miękka

Książka

0,00 zł

Powiadom mnie, gdy książka będzie dostępna

Przenieś na półkę

Powiadom o dostępności audiobooka »

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

Pokaż opis z okładki oryginału »

Przedmowę napisał Joe Reis

Większość oprogramowania biznesowego jest tworzona i udoskonalana w sposób iteracyjny, a jego funkcjonalność może ulegać znaczącym zmianom nawet po wdrożeniu. W przeciwieństwie do tego, tworzenie dużych modeli językowych (LLM) jest bardzo kosztowne, a ich modyfikowanie trudne, dlatego też wymagają skrupulatnego planowania na etapie projektowania, stosowania rygorystycznych standardów danych oraz starannie przeprowadzonej implementacji technicznej. Wdrożenie LLM-ów jako elementów rozwiązań produkcyjnych wpływa na każdy aspekt planu operacyjnego, w tym cykl życia aplikacji, przepływy danych, koszty obliczeniowe, bezpieczeństwo i wiele innych. Popełnienie błędów na tym etapie może skutkować kosztowną porażką.

Książka Własne AI w praktyce. Od pomysłu do dochodowych produktów opartych na dużych modelach językowych uczy, jak opracować plan LLMOps, który pozwoli sprawnie przeprowadzić aplikację opartą na sztucznej inteligencji od fazy projektowania do wdrożenia. W niniejszej książce poznasz techniki przygotowania zbioru danych dla LLM, sposoby efektywnego kosztowo trenowania modelu, takie jak LORA i RLHF, a także branżowe wskaźniki służące do oceny modeli. Zdobyte umiejętności zastosujesz w trzech praktycznych projektach: tworzeniu i trenowaniu własnego modelu LLM, budowie rozszerzenia AI wspierającego pracę w edytorze VSCode oraz wdrożeniu małego modelu na platformie Raspberry Pi.

Zagadnienia opisywane w tej książce:

Równoważenie kosztów i wydajności.
Ponowne trenowanie i testowanie obciążenia.
Optymalizacja modeli pod kątem ogólnodostępnego sprzętu.
Wdrażanie w klastrze Kubernetesa.

Książka jest przeznaczona dla naukowców danych oraz inżynierów uczenia maszynowego, którzy znają język Python i dysponują podstawową wiedzą z zakresu wdrażania rozwiązań w chmurze.

Christopher Brousseau i Matt Sharp to doświadczeni inżynierowie, którzy prowadzili liczne udane wdrożenia dużych modeli językowych na szeroką skalę.

Redaktorem technicznym tej książki był Daniel Leybzon.

Obejmuje wszystkie kluczowe aspekty budowania i wdrażania dużych modeli językowych. Tematyka książki 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 UK

Wyjątkowo rzetelny i praktyczny przewodnik po uruchamianiu dużych modeli językowych w środowisku produkcyjnym.

Dinesh Chitlangia, AMD

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.

Oceny i opinie klientów: Własne AI w praktyce. Od pomysłu do dochodowych produktów opartych na dużych modelach językowych Christopher Brousseau, Matt Sharp

(0)

Szczegóły książki

Dane producenta: »
Tytuł oryginału:: LLMs in Production: From language models to successful products
Tłumaczenie:: Izabela Łajszczak, Piotr Rajca, Wojciech Żuchowski
ISBN Książki drukowanej:: 978-83-289-3304-0, 9788328933040
Format:: 165x235
Numer z katalogu:: 276923

Kategorie

Kliknij, aby zgłosić błędnie przypisaną kategorię »

Informatyka » Sztuczna inteligencja

Dostępność produktu

Produkt nie został jeszcze oceniony pod kątem ułatwień dostępu lub nie podano żadnych informacji o ułatwieniach dostępu lub są one niewystarczające. Prawdopodobnie Wydawca/Dostawca jeszcze nie umożliwił dokonania walidacji produktu lub nie przekazał odpowiednich informacji na temat jego dostępności.