Инженерия искусственного интеллекта: разработка приложений на основе фундаментальных моделей

О чём книга

Недавние прорывы в области ИИ не только повысили спрос на ИИ-продукты, но и снизили порог входа для тех, кто хочет их создавать. Подход «модель как услуга» превратил ИИ из эзотерической дисциплины в мощный инструмент разработки, доступный каждому. Теперь любой желающий, даже с минимальным опытом работы с ИИ или вообще без него, может использовать ИИ-модели для создания приложений. В этой книге автор Чип Хьюэн рассказывает об [b]ИИ-инженерии[/b]: процессе создания приложений с использованием готовых базовых моделей. Книга начинается с обзора ИИ-инженерии: объясняется, чем она отличается от традиционной ML-инженерии, и рассматривается новый ИИ-стек. Чем шире используется ИИ, тем выше риск фатальных ошибок, а значит, тем важнее становится оценка. В этой книге обсуждаются различные подходы к оценке моделей с открытым ответом, включая быстро набирающий популярность метод [i]«ИИ в роли судьи» (AI-as-a-judge)[/i]. Разработчики ИИ-приложений узнают, как ориентироваться в экосистеме ИИ, включая модели, наборы данных, бенчмарки для оценки и кажущееся бесконечным множество сценариев использования и паттернов проектирования. Вы изучите фреймворк для разработки ИИ-приложений, начав с простых техник и переходя к более сложным методам, а также узнаете, как эффективно развертывать эти приложения. В книге вы: Поймете, что такое ИИ-инженерия и чем она отличается от традиционной инженерии машинного обучения. Изучите процесс разработки ИИ-приложения, проблемы на каждом этапе и подходы к их решению. Рассмотрите различные методы адаптации моделей, включая промпт-инжиниринг, RAG, дообучение (fine-tuning), агентов и инженерию датасетов, а также поймете, как и почему они работают. Проанализируете узкие места, связанные с задержками (latency) и затратами при инференсе базовых моделей, и узнаете, как их преодолеть. Научитесь выбирать подходящую модель, датасет, бенчмарки и метрики под ваши задачи. [b]Чип Хьюэн[/b] работает над ускорением анализа данных на GPU в компании Voltron Data. Ранее она работала в Snorkel AI и NVIDIA, основала стартап в области ИИ-инфраструктуры и преподавала курс «Проектирование систем машинного обучения» в Стэнфорде. Она является автором книги [i]«Проектирование систем машинного обучения» (Designing Machine Learning Systems)[/i], бестселлера Amazon в категории ИИ. Книга [i]«ИИ-инженерия» (AI Engineering)[/i] опирается на материал [i]«Проектирования систем машинного обучения»[/i] (издательство O'Reilly) и дополняет его.