MENU
Nasze ceny
-
promocja
Inżynieria AI. Tworzenie aplikacji z wykorzystaniem modeli bazowych - ebook
Inżynieria AI. Tworzenie aplikacji z wykorzystaniem modeli bazowych - ebook
Modele bazowe (foundation models) zapoczątkowały prawdziwy rozkwit aplikacji opartych na sztucznej inteligencji. AI stała się potężnym narzędziem rozwojowym, którego dziś może używać niemal każdy. Decyzja o stworzeniu własnej aplikacji AI wymaga jednak zrozumienia procesu budowy i świadomego podejmowania decyzji projektowych.
Ta książka jest kompleksowym przewodnikiem po budowaniu generatywnych aplikacji AI w środowiskach produkcyjnych.
Luke Metz, współtwórca ChatGPT w OpenAI
Ten przystępnie napisany i praktyczny podręcznik pokazuje, czym jest inżynieria AI i w jaki sposób tworzy się aplikacje z wykorzystaniem łatwo dostępnych modeli bazowych. Dowiesz się, jak się poruszać w świecie sztucznej inteligencji, czym dokładnie są modele, zbiory danych, wskaźniki oceny i wzorce aplikacyjne. W książce przedstawiono również, krok po kroku, kompletny proces tworzenia aplikacji AI i ich efektywnego wdrażania. Poszczególne zagadnienia zostały zilustrowane dobrze udokumentowanymi studiami przypadków. Nie zabrakło również komentarzy odnoszących się do zaimplementowania systemu opinii użytkowników w celu zapewnienia przydatnych informacji zwrotnych.
Najważniejsze zagadnienia:
- istota inżynierii AI
- proces tworzenia aplikacji AI
- różne techniki adaptacji modeli, w tym inżynieria promptów, generowanie wspomagane wyszukiwaniem (RAG), dostrajanie modeli, agenty i inżynieria zbiorów danych
- wąskie gardła modeli podstawowych i ich pokonywanie
- zasady wyboru modelu, wskaźników, danych oraz wzorców projektowych
Pozycja obowiązkowa dla każdego profesjonalisty, który chce wdrożyć AI w swojej firmie!
Vittorio Cretella, były dyrektor IT w P&G i Mars
Spis treści
Rozdział 1. Wprowadzenie do tworzenia aplikacji AI przy użyciu modeli podstawowych
- Rozwój inżynierii AI
- Od modeli językowych do dużych modeli językowych
- Od dużych modeli językowych do modeli podstawowych
- Od modeli podstawowych do inżynierii AI
- Przykłady zastosowań modeli podstawowych
- Programowanie
- Tworzenie obrazów i wideo
- Generowanie tekstów
- Edukacja
- Boty konwersacyjne
- Agregacja informacji
- Organizowanie danych
- Automatyzacja przepływu danych
- Planowanie aplikacji AI
- Ocena przypadków użycia
- Ustalenie oczekiwań
- Zaplanowanie kamieni milowych
- Konserwacja i utrzymanie
- Stos technologiczny inżynierii AI
- Trzy warstwy stosu AI
- Inżynieria AI a inżynieria ML
- Inżynieria AI a inżynieria pełnowymiarowa
- Podsumowanie
Rozdział 2. Zrozumienie modeli podstawowych
- Dane treningowe
- Modele wielojęzyczne
- Modele specyficzne dla danej dziedziny
- Modelowanie
- Architektura modelu
- Rozmiar modelu
- Post-trening
- Dostrajanie nadzorowane
- Dostrajanie preferencji
- Próbkowanie
- Podstawy próbkowania
- Strategie próbkowania
- Efektywność obliczeniowa czasu testowania
- Dane ustrukturyzowane
- Probabilistyczna natura sztucznej inteligencji
- Podsumowanie
Rozdział 3. Metodyka ewaluacji
- Wyzwania związane z ewaluacją modeli podstawowych
- Zrozumienie wskaźników dotyczących modelowania języka
- Entropia
- Entropia krzyżowa
- Wskaźniki bits-per-character i bits-per-byte
- Nieokreśloność
- Interpretacja nieokreśloności i jej zastosowania
- Ewaluacja dokładna
- Poprawność funkcjonalna
- Pomiar poziomu podobieństwa względem danych referencyjnych
- Wprowadzenie do osadzania
- AI jako sędzia
- Dlaczego "AI jako sędzia"?
- Jak używać metody "AI jako sędzia"?
- Ograniczenia metody "AI jako sędzia"
- Jakie modele mogą być sędziami?
- Ranking modeli wynikający z ewaluacji porównawczej
- Wyzwania ewaluacji porównawczej
- Przyszłość ewaluacji porównawczej
- Podsumowanie
Rozdział 4. Ewaluacja modeli AI
- Kryteria ewaluacji
- Zdolności specyficzne dla danej dziedziny
- Zdolności generacyjne
- Zdolność do podążania za instrukcjami
- Koszty i opóźnienia
- Wybór modelu
- Proces wyboru modelu
- Budowa czy zakup modelu?
- Zestawy testów dostępne publicznie
- Projektowanie procesu ewaluacji
- Krok 1. Ewaluacja wszystkich komponentów systemu
- Krok 2. Utworzenie wytycznych do ewaluacji
- Krok 3. Określenie metod ewaluacji i danych
- Podsumowanie
Rozdział 5. Inżynieria promptów
- Wprowadzenie do tworzenia promptów
- Uczenie w kontekście: zero-shot i few-shot
- Prompt systemowy a prompt użytkownika
- Długość i efektywność kontekstu
- Najlepsze zasady inżynierii promptów
- Twórz jasno i precyzyjnie sformułowane instrukcje
- Dostarcz niezbędny kontekst
- Podziel zadania złożone na prostsze podzadania
- Daj modelowi czas na myślenie
- Doskonal prompty w procesie iteracyjnym
- Oceniaj narzędzia do inżynierii promptów
- Porządkuj prompty i zarządzaj ich wersjami
- Strategia zabezpieczania promptów
- Prompty zastrzeżone i inżynieria odwrotna promptów
- Omijanie zabezpieczeń i wstrzykiwanie promptów
- Ekstrakcja informacji
- Obrona przed atakami na prompty
- Podsumowanie
Rozdział 6. Generowanie wspomagane wyszukiwaniem i agenty
- Generowanie wspomagane wyszukiwaniem
- Architektura generowania wspomaganego wyszukiwaniem
- Algorytmy wyszukiwania
- Optymalizacja wyszukiwania
- Generowanie wspomagane wyszukiwaniem a inne modalności
- Agenty
- Przegląd agentów
- Narzędzia
- Planowanie
- Tryby błędów agenta i sposoby ich oceny
- Pamięć
- Podsumowanie
Rozdział 7. Dostrajanie
- Wprowadzenie do dostrajania
- Kiedy należy dostrajać?
- Powody, by dostrajać
- Powody, by nie dostrajać
- Dostrajanie a generowanie wspomagane wyszukiwaniem (RAG)
- Ograniczenia pamięciowe
- Propagacja wsteczna i parametry trenowane
- Obliczenia dotyczące pamięci
- Reprezentacje numeryczne
- Kwantyzacja
- Techniki dostrajania
- Dostrajanie efektywne parametrowo
- Scalanie modeli i dostrajanie wielozadaniowe
- Taktyki dostrajania
- Podsumowanie
Rozdział 8. Inżynieria zbiorów danych
- Przygotowanie danych
- Jakość danych
- Pokrycie danych
- Ilość danych
- Pozyskiwanie i etykietowanie danych
- Synteza i generowanie sztucznych danych
- Po co stosować syntezę danych?
- Tradycyjne metody syntezy danych
- Synteza danych wspierana przez AI
- Destylacja modelu
- Przetwarzanie danych
- Inspekcja danych
- Deduplikacja danych
- Czyszczenie i filtrowanie danych
- Formatowanie danych
- Podsumowanie
Rozdział 9. Optymalizacja wnioskowania
- Zrozumienie optymalizacji wnioskowania
- Podstawy wnioskowania
- Wskaźniki związane z wydajnością wnioskowania
- Akceleratory AI
- Optymalizacja wnioskowania
- Optymalizacja modelu
- Optymalizacja usługi wnioskowania
- Podsumowanie
Rozdział 10. Architektura systemów AI i informacje zwrotne od użytkowników
- Architektura systemów AI
- Krok 1. Rozszerzenie kontekstu
- Krok 2. Wprowadzenie zabezpieczeń
- Krok 3. Wprowadzenie routingu i bramki dostępowej
- Krok 4. Zmniejszenie opóźnień za pomocą mechanizmów buforowania
- Krok 5. Dodanie wzorców agentowych
- Monitorowanie systemu i przejrzystość jego działania
- Orkiestracja potoku AI
- Informacja zwrotna od użytkowników
- Pozyskiwanie informacji zwrotnej z rozmów
- Projektowanie systemu gromadzenia informacji zwrotnych
- Ograniczenia systemu gromadzenia informacji zwrotnych
- Podsumowanie
Epilog
Skorowidz
| Kategoria: | Programowanie |
| Zabezpieczenie: |
Watermark
|
| ISBN: | 978-83-289-2629-5 |
| Rozmiar pliku: | 27 MB |
