Οι πρόσφατες ανακαλύψεις στην Τεχνητή Νοημοσύνη (AI) έχουν αυξήσει τη ζήτηση για προϊόντα AI και έχουν μειώσει τα εμπόδια εισόδου για εκείνους που θέλουν να δημιουργήσουν προϊόντα AI. Η προσέγγιση μοντέλου ως υπηρεσία έχει μεταμορφώσει την AI από μια εσωτερική πειθαρχία σε ένα ισχυρό εργαλείο ανάπτυξης που μπορεί να χρησιμοποιήσει ο καθένας. Όλοι, συμπεριλαμβανομένων εκείνων με ελάχιστη ή καθόλου προηγούμενη εμπειρία στην AI, μπορούν τώρα να αξιοποιήσουν τα μοντέλα AI για να δημιουργήσουν εφαρμογές. Σ' αυτό το βιβλίο, ο συγγραφέας Chip Huyen συζητά το AI engineering: τη διαδικασία δημιουργίας εφαρμογών με readily available foundation models.

Το βιβλίο αρχίζει με μια επισκόπηση του AI engineering, εξηγώντας πώς διαφέρει από την παραδοσιακή μηχανική μάθηση (ML) και συζητώντας το νέο AI stack. Όσο περισσότερο χρησιμοποιείται η AI, τόσο περισσότερες είναι οι ευκαιρίες για καταστροφικές αποτυχίες και, επομένως, τόσο πιο σημαντική γίνεται η αξιολόγηση. Το βιβλίο αυτό συζητά διαφορετικές προσεγγίσεις για την αξιολόγηση ανοιχτών μοντέλων, συμπεριλαμβανομένης της ταχέως αναπτυσσόμενης προσέγγισης AI ως κριτή. Οι προγραμματιστές εφαρμογών AI θα ανακαλύψουν πώς να περιηγηθούν στο τοπίο της AI, συμπεριλαμβανομένων των μοντέλων, των συνόλων δεδομένων, των benchmarks αξιολόγησης και του φαινομενικά άπειρου αριθμού περιπτώσεων χρήσης και προτύπων εφαρμογών.

Θα μάθετε ένα πλαίσιο για την ανάπτυξη μιας εφαρμογής AI, ξεκινώντας με απλές τεχνικές και προχωρώντας προς πιο σύνθετες μεθόδους, και θα ανακαλύψετε πώς να αναπτύξετε αυτές τις εφαρμογές αποδοτικά. Κατανοήστε τι είναι η μηχανική AI και πώς διαφέρει από την παραδοσιακή μηχανική μάθησης. Μάθετε τη διαδικασία ανάπτυξης μιας εφαρμογής AI, τις προκλήσεις σε κάθε βήμα και τις προσεγγίσεις για την αντιμετώπισή τους. Εξερευνήστε διάφορες τεχνικές προσαρμογής μοντέλων, συμπεριλαμβανομένων των prompt engineering, RAG, fine-tuning, agents, και dataset engineering, και κατανοήστε πώς και γιατί λειτουργούν.

Εξετάστε τα bottlenecks για την καθυστέρηση και το κόστος όταν εξυπηρετείτε μοντέλα βάσης και μάθετε πώς να τα ξεπεράσετε. Επιλέξτε το σωστό μοντέλο, σύνολο δεδομένων, benchmarks αξιολόγησης και μετρικές για τις ανάγκες σας. Ο Chip Huyen εργάζεται για την επιτάχυνση της ανάλυσης δεδομένων σε GPUs στην Voltron Data. Προτού, ήταν στην Snorkel AI και NVIDIA, ίδρυσε μια startup υποδομής AI και δίδαξε Σχεδιασμό Συστημάτων Μηχανικής Μάθησης στο Stanford. Είναι η συγγραφέας του βιβλίου Designing Machine Learning Systems, ενός bestseller στην AI.

Το AI Engineering οικοδομεί πάνω και είναι συμπληρωματικό με το Designing Machine Learning Systems (O'Reilly).

Σελίδες: 528