KI-Entwicklung: Anwendungen mit Foundation Models erstellen

Jüngste Durchbrüche im Bereich der KI haben nicht nur die Nachfrage nach KI-Produkten erhöht, sondern auch die Eintrittsbarrieren für diejenigen gesenkt, die KI-Produkte entwickeln möchten. Der Model-as-a-Service-Ansatz hat KI von einer esoterischen Disziplin in ein leistungsstarkes Entwicklungstool verwandelt, das jeder nutzen kann. Jeder, einschließlich derer mit minimaler oder keiner vorherigen KI-Erfahrung, kann jetzt KI-Modelle nutzen, um Anwendungen zu erstellen. In diesem Buch bespricht Autorin Chip Huyen das Thema KI-Engineering: den Prozess der Entwicklung von Anwendungen mit frei verfügbaren Basismodellen.

Das Buch beginnt mit einem Überblick über KI-Engineering, erklärt, wie es sich von der traditionellen ML-Entwicklung unterscheidet, und bespricht den neuen KI-Stack. Je mehr KI eingesetzt wird, desto mehr Möglichkeiten gibt es für katastrophale Fehler, und desto wichtiger wird daher die Bewertung. Dieses Buch behandelt verschiedene Ansätze zur Bewertung offener Modelle, einschließlich des schnell wachsenden KI-als-Richter-Ansatzes.

Entwickler von KI-Anwendungen erfahren, wie sie sich in der KI-Landschaft zurechtfinden, einschließlich Modellen, Datensätzen, Bewertungs-Benchmarks und der schier unendlichen Anzahl von Anwendungsfällen und Anwendungsmustern. Sie lernen ein Framework zur Entwicklung einer KI-Anwendung kennen, beginnend mit einfachen Techniken und fortschreitend zu komplexeren Methoden, und entdecken, wie diese Anwendungen effizient bereitgestellt werden können. Verstehen Sie, was KI-Engineering ist und wie es sich von der traditionellen Entwicklung von maschinellem Lernen unterscheidet. Lernen Sie den Prozess zur Entwicklung einer KI-Anwendung, die Herausforderungen bei jedem Schritt und Ansätze zur Bewältigung dieser Herausforderungen kennen. Erkunden Sie verschiedene Modelladaptionstechniken, einschließlich Prompt Engineering, RAG, Fine-Tuning, Agenten und Datensatz-Engineering, und verstehen Sie, wie und warum sie funktionieren. Untersuchen Sie die Engpässe für Latenz und Kosten beim Bereitstellen von Basismodellen und erfahren Sie, wie Sie diese überwinden können. Wählen Sie das richtige Modell, den richtigen Datensatz, die richtigen Bewertungs-Benchmarks und Metriken für Ihre Bedürfnisse. Chip Huyen arbeitet bei Voltron Data an der Beschleunigung der Datenanalyse auf GPUs. Zuvor war sie bei Snorkel AI und NVIDIA, gründete ein KI-Infrastruktur-Startup und lehrte Machine Learning Systems Design in Stanford. Sie ist die Autorin des Buches „Designing Machine Learning Systems“, einem Amazon-Bestseller im Bereich KI.

KI-Engineering baut auf „Designing Machine Learning Systems“ (O'Reilly) auf und ergänzt es.