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 Markteintrittsbarrieren für alle gesenkt, die KI-Produkte entwickeln möchten. Der Model-as-a-Service-Ansatz hat die KI von einer esoterischen Disziplin in ein leistungsstarkes Entwicklungswerkzeug verwandelt, das jeder nutzen kann. Jeder, auch diejenigen mit minimalen oder gar keinen Vorkenntnissen im Bereich der KI, kann nun KI-Modelle nutzen, um Anwendungen zu entwickeln. In diesem Buch erörtert die Autorin Chip Huyen KI-Engineering: den Prozess der Entwicklung von Anwendungen mit leicht verfügbaren Basismodellen.

Das Buch beginnt mit einem Überblick über KI-Engineering, erklärt, wie es sich vom traditionellen ML-Engineering unterscheidet, und behandelt den neuen KI-Stack. Je häufiger KI eingesetzt wird, desto größer ist die Gefahr katastrophaler Fehler, und desto wichtiger wird daher die Evaluierung. Dieses Buch behandelt verschiedene Ansätze zur Evaluierung offener Modelle, einschließlich des schnell wachsenden KI-as-a-Judge-Ansatzes.

Entwickler von KI-Anwendungen erfahren, wie sie sich in der KI-Landschaft zurechtfinden, einschließlich Modellen, Datensätzen, Evaluationsbenchmarks sowie der scheinbar unbegrenzten Anzahl von Anwendungsfällen und Anwendungsmustern. Sie lernen ein Framework zur Entwicklung einer KI-Anwendung kennen, das mit einfachen Techniken beginnt und zu anspruchsvolleren Methoden übergeht, und erfahren, wie Sie diese Anwendungen effizient bereitstellen können. Verstehen Sie, was KI-Engineering ist und wie es sich vom traditionellen Machine-Learning-Engineering unterscheidet Lernen Sie den Prozess zur Entwicklung einer KI-Anwendung kennen, die Herausforderungen in jedem Schritt sowie Ansätze zu deren Bewältigung Entdecken Sie verschiedene Techniken zur Modellanpassung, einschließlich Prompt Engineering, RAG, Fine-Tuning, Agenten und Dataset Engineering, und verstehen Sie, wie und warum sie funktionieren Untersuchen Sie die Engpässe bei Latenz und Kosten bei der Bereitstellung von Basismodellen und erfahren Sie, wie Sie diese überwinden können Wählen Sie das richtige Modell, den richtigen Datensatz, die richtigen Evaluationsbenchmarks und die richtigen Metriken für Ihre Anforderungen Chip Huyen arbeitet bei Voltron Data daran, Datenanalysen auf GPUs zu beschleunigen. Zuvor war sie bei Snorkel AI und NVIDIA tätig, gründete ein KI-Infrastruktur-Startup und lehrte Machine Learning Systems Design an der Stanford University. Sie ist die Autorin des Buches Designing Machine Learning Systems, einem Amazon-Bestseller im Bereich der KI.

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