Описание
Книга посвящена практическим аспектам проектирования и разработки приложений на основе больших языковых моделей (LLM). Рассматриваются внутреннее устройство и архитектура трансформеров, методы подготовки данных для обучения и дообучения, а также подходы к адаптации предобученных моделей под конкретные задачи и предметные области. Подробно разобраны техники тонкой настройки, доменной адаптации и оптимизации вывода, а также современные парадигмы применения LLM — генерация с дополненной выборкой (RAG), интеллектуальные агенты и интеграция моделей с внешними инструментами и данными. Особое внимание уделено типичным проблемам и отказам, возникающим при переходе от прототипов к полноценным продуктам, и практическим рекомендациям по преодолению подобных ситуаций.
Для специалистов по ИИ, разработчиков, технических руководителей
Большие языковые модели (LLM) показали себя мощным инструментом решения самых разных задач и закономерно привлекли внимание бизнеса. Но путь от прототипа к работающему продукту редко бывает гладким. Эта книга помогает пройти его, вооружая читателя методологией, инструментарием и практическими примерами, необходимыми для создания полноценных приложений на основе языковых моделей.
В книге даны конкретные рекомендации по внедрению LLM в реальные сценарии, подробно разобраны типичные проблемы и отказы. Читатель познакомится с внутренним устройством языковых моделей, освоит методы их настройки и дообучения, а также изучит современные подходы — RAG (генерация с дополненной выборкой), интеллектуальные агенты и другие.
Прочитав книгу, вы сможете:
- Подготавливать наборы данных для обучения и дообучения (тонкой настройки)
- Выработать интуитивное понимание архитектуры трансформера и ее вариаций
- Адаптировать предобученные модели к собственным задачам и сценариям
- Применять эффективные методы дообучения, доменной адаптации и оптимизации вывода
- Интегрировать языковые модели с внешними инструментами, данными и существующими программными системами
«Чтобы выработать интуитивное понимание больших языковых моделей, обычно приходится потратить немало времени на изучение документации, освоение инструментов и практические эксперименты. Эта нига позволяет прийти к тому же результату значительно быстрее. Настоятельно рекомендую».
—Меган Рисдал (Megan Risdal), ведущий продакт-менеджер, Kaggle (Google)
– Это настоящий учебник по созданию современных систем искусственного интеллекта».
—Джей Аламмар (Jay Alammar), соавтор книги «Большие языковые модели на практике».
«Эта уникальная и прекрасно написанная книга охватывает все ключевые концепции и практические знания, актуальные для области LLM».
—Мадхав Сингхал (Madhav Singhal), генеральный директор компании AutoComputer
Сухас Пай – соучредитель, технический директор и руководитель исследований в области машинного обучения в финтех-стартапе Hudson Labs, созданном при поддержке фонда Y Combinator. Он участвовал в создании ряда открытых языков программирования для работы с большими языковыми моделями, включая BLOOM LLM в рамках проекта BigScience, где входил в состав рабочей группы, занимающейся вопросами конфиденциальности.
Отзывы
Отзывов пока нет.