Привет, Хаброжители!

Искусственный интеллект стремительно развивается, и именно большие языковые модели (LLM) задают направление всей индустрии. Погрузитесь в процесс проектирования, обучения и развертывания LLM в реальных бизнес-задачах, опираясь на лучшие практики MLOps. Авторы шаг за шагом показывают, как создать экономичную, масштабируемую и модульную систему на основе LLM. Вместо простых экспериментов в изолированных блокнотах Jupyter научитесь строить комплексные системы, готовые к полноценной эксплуатации.

Вы узнаете об особенностях инженерии данных, тонкой настройки моделей и их развертывания, попробуете создать LLM-двойника и внедрить компоненты MLOps в свои проекты. Кроме того, вы познакомитесь с передовыми методами оптимизации инференса, выравниванием по предпочтениям и обработкой данных в реальном времени.

К концу книги вы научитесь уверенно развертывать надежные и отказоустойчивые LLM в условиях высокой доступности и минимальных задержек. И новички, и опытные специалисты в области ИИ найдут ценные советы и практические приемы, которые помогут понять принципы внедрения и работы больших языковых моделей.

• реализация надежных пайплайнов обработки данных и управление обучением LLM;

• практические примеры создания собственной LLM;

• знакомство с LLMOps и основными принципами MLOps, такими как оркестрация и мониторинг промптов;

• тонкая настройка и оценка LLM;

• развертывание комплексных решений LLM с использованием AWS и других инструментов;

• проектирование масштабируемых и модульных систем LLM;

• знакомство с приложениями RAG.

Книга ориентирована на широкий круг специалистов в области технологий, а также на энтузиастов, интересующихся практическими аспектами использования больших языковых моделей. Она будет особенно полезна разработчикам, планирующим начать работу над проектами в сфере искусственного интеллекта. Хотя базовые знания в области разработки ПО могут оказаться полезными, книга содержит пояснения многих ключевых концепций, что делает ее доступной даже для тех, кто только начинает знакомство с ИИ и машинным обучением.

Читателям, уже применяющим методы машинного обучения, книга позволит углубить навыки реализации и развертывания систем на основе LLM. В ней подробно рассматриваются основы MLOps, а также описывается пошаговый процесс создания минимально жизнеспособного продукта с использованием LLM с открытым исходным кодом.

Приобрести книгу «LLM на практике. Большие языковые модели от идеи до внедрения» можно на нашем сайте.

При покупке бумажного издания на сайте piter.com электронная книга высылается в подарок на ваш e-mail.

Для Хаброжителей действует скидка 25% по промокоду — LLM25