X
Пользователь приглашает вас присоединиться к открытой игре игре с друзьями .
[{{mminutes}}:{{sseconds}}] Ожидаем начала...    
AI-инженерия
(0)       Используют 2 человека

Комментарии

Ни одного комментария.
Написать тут
Описание:
Базовые модели открыли путь множеству новых сценариев применения AI, одновременно снизив входной порог для создания продуктов на основе искусственного интеллекта. Так AI из тайного учения превратился в мощный инструмент разработки, доступный каждому — даже тем, у кого еще нет опыта работы с ним.
Автор:
alx_ol
Создан:
17 ноября 2026 в 09:31 (текущая версия от 17 ноября 2026 в 09:44)
Публичный:
Да
Тип словаря:
Книга
Последовательные отрывки из загруженного файла.
Информация:
Базовые модели открыли путь множеству новых сценариев применения AI, одновременно снизив входной порог для создания продуктов на основе искусственного интеллекта. Так AI из тайного учения превратился в мощный инструмент разработки, доступный каждому — даже тем, у кого еще нет опыта работы с ним. В этом практическом руководстве Чип Хьюен рассказывает об AI-инженерии — процессе создания приложений на основе готовых базовых моделей. Разработчики таких приложений узнают, как ориентироваться на огромных просторах искусственного интеллекта: научатся разбираться в типах моделей, наборах данных, эталонных тестах для их оценки и, на первый взгляд, бесконечном множестве шаблонов приложений. В книге также представлена практическая методика разработки приложения на основе AI и его эффективного развертывания.
Содержание:
2457 отрывков, 1193106 символов
1 Отзывы о книге
Это исчерпывающее, хорошо структурированное руководство по созданию
генеративных систем AI. Настоятельно рекомендую прочитать книгу всем специалистам, собирающимся масштабировать AI в своей организации.
Витторио Кретелла, бывший директор
по информационным технологиям (CIO)
компаний P&G и Mars
Чип Хьюен хорошо разбирается в вопросах генеративного AI. Более того, она
замечательный преподаватель и автор, чья работа очень важна, так как помогает
командам внедрять AI в производственной среде.
2 Книга «AI-инженерия», основанная на богатом опыте автора, представляет собой исчерпывающее руководство, в котором подробно и мастерски описываются все нюансы проектирования
и развертывания генеративных приложений AI в производственной среде.
Люк Метц, соавтор технологии ChatGPT,
бывший R&D-менеджер компании OpenAI
Книгу должны прочитать все инженеры, создающие реальные приложения. Это
незаменимое руководство по созданию систем AI на всех этапах: от разработки
и оценки моделей до внедрения в промышленном масштабе и дальнейшей эксплуатации.
3 Андрей Лопатенко, директор отдела поиска
и лаборатории AI в компании Neuron7
Ценное руководство по созданию масштабируемых продуктов на основе AI.
В отличие от других изданий, фокусирующихся на инструментах или постоянно
меняющихся трендах, Чип дает вам фундаментальные знания, актуальные во
все времена. Независимо от того, являетесь вы продакт-менеджером или разработчиком, эта книга помогает наладить эффективное взаимодействие между
межфункциональными командами и потому обязательна к прочтению для всех, кто участвует в разработке AI.
4 Айлин Буи, менеджер AI-продуктов в Google
Это самое полное введение в AI-инженерию от одного из признанных мастеров
в сфере ML! Чип успешно реализовывала проекты и строила карьеру на каждом
этапе развития компании, а теперь впервые обобщила свой опыт для новичков, осваивающих AI-инженерию.
Swyx, куратор конференции AI.Engineer
12 Отзывы о книге
«AI-инженерия» — это практическое руководство, в котором представлена
новейшая информация о разработке искусственного интеллекта, что делает
его доступным как для новичков, так и для опытных специалистов.
5 Эта книга
обязательна к прочтению для всех, кто хочет создавать надежные и масштабируемые системы AI.
Вики Рейзелман, главный архитектор
AI-решений в компании Mave Sparks
«AI-инженерия» — всеобъемлющее руководство, которое станет незаменимым
справочником: от понимания принципов работы AI до их практического внедрения.
Хан Ли, директор отдела Data Science
в компании Moody's
Это незаменимое руководство для всех, кто создает программное обеспечение
с использованием генеративного AI! Книга развеивает мифы о технологии, подчеркивает важность оценки и рассказывает, что необходимо сделать, чтобы
добиться высокого качества прежде, чем приступать к дорогостоящему дообучению.
6 Рафал Кавала, старший руководитель
AI-отдела, 16 лет опыта работы в компании
из списка Fortune 500
Предисловие
Когда появился ChatGPT, я, как и многие мои коллеги, была в растерянности.
Меня удивляли не размер модели или ее возможности. К тому времени уже более десяти лет в сообществе специалистов в сфере искусственного интеллекта
(artificial intelligence, AI) знали, что увеличение масштаба модели улучшает ее
работу.
7 В 2012 году создатели сверхточной нейронной сети AlexNet1 написали
в своей знаковой статье (https:oreil.lyXG3mv): «Все наши эксперименты предполагают, что результаты можно улучшить, просто дождавшись появления более
быстродействующих процессоров и времени, когда станут доступны наборы
данных большего размера»2.
Меня поразило количество приложений, появившихся после расширения возможностей. Я полагала, что небольшое улучшение показателей качества модели
приведет к скромному увеличению числа приложений.
8 Вместо этого произошел
взрывной рост новых возможностей.
Новые возможности AI не только привели к повышению спроса на приложе-
ния AI, но и понизили входной барьер для разработчиков. Начать создавать приложения AI стало очень просто. Можно даже сделать это, не написав ни единой
строки кода. В результате этого сдвига AI из узкоспециализированной области
знаний превратился в мощный инструмент разработки, пользоваться которым
может каждый.
9 И хотя внедрение AI сегодня кажется новинкой, в его основе лежат давно существующие технологии. Статьи о создании языковых моделей публиковались еще
в 1950-х годах. Приложения для генерации ответа, дополненного результатами
поиска (Retrieval-Augmented Generation, RAG), разрабатываются на основе
технологии извлечения ответа, применявшейся в работе поисковых и рекомендательных систем задолго до появления термина RAG.
10 Лучшие практики
применения приложений традиционного машинного обучения — систематиче-
ские эксперименты, скрупулезная оценка, безжалостная оптимизация с целью
создания более быстрых и дешевых моделей — все еще наиболее эффективны
для работы с приложениями на основе базовых моделей.
1 Илья Суцкевер, автор публикации, посвященной AlexNet, в дальнейшем стал одним из
основателей компании OpenAI, воплотив этот урок в реальность с помощью GPT-моделей.
  …

Связаться
Выделить
Выделите фрагменты страницы, относящиеся к вашему сообщению
Скрыть сведения
Скрыть всю личную информацию
Отмена