I recenti progressi nell'intelligenza artificiale non solo hanno fatto crescere la domanda di prodotti AI, ma hanno anche reso più facile per chiunque voglia creare prodotti AI. L'approccio "model-as-a-service" ha trasformato l'AI da una cosa complicata a uno strumento di sviluppo potente che tutti possono usare. Tutti, anche chi ha poca o nessuna esperienza nell'IA, ora possono usare i modelli di IA per creare applicazioni. In questo libro, l'autore Chip Huyen parla dell'ingegneria dell'IA: il processo di creazione di applicazioni con modelli di base già pronti. Il libro inizia con una panoramica dell'ingegneria dell'IA, spiegando come si differenzia dall'ingegneria ML tradizionale e parlando del nuovo stack dell'IA. Più si usa l'IA, più ci sono possibilità di guasti gravi e quindi più diventa importante la valutazione. Questo libro parla di diversi modi per valutare i modelli aperti, compreso l'approccio AI-as-a-judge, che sta crescendo velocemente. Gli sviluppatori di applicazioni di IA scopriranno come orientarsi nel panorama dell'IA, inclusi modelli, set di dati, benchmark di valutazione e il numero apparentemente infinito di casi d'uso e modelli di applicazione. Imparerete un framework per lo sviluppo di un'applicazione di IA, partendo da tecniche semplici e progredendo verso metodi più sofisticati, e scoprirete come implementare in modo efficiente queste applicazioni. Capire cos'è l'ingegneria dell'IA e in cosa si differenzia dall'ingegneria tradizionale del machine learning Scopri il processo di sviluppo di un'applicazione di IA, le sfide di ogni fase e gli approcci per affrontarle Esplora varie tecniche di adattamento dei modelli, tra cui prompt engineering, RAG, fine-tuning, agenti e ingegneria dei set di dati, e capisci come e perché funzionano Esamina i colli di bottiglia in termini di latenza e costi quando si utilizzano modelli di base e impara come superarli Scegliere il modello, il set di dati, i benchmark di valutazione e le metriche giusti per le proprie esigenze Chip Huyen lavora per accelerare l'analisi dei dati su GPU presso Voltron Data. In precedenza, ha lavorato presso Snorkel AI e NVIDIA, ha fondato una startup di infrastrutture di IA e ha insegnato Machine Learning Systems Design a Stanford. È autrice del libro Designing Machine Learning Systems, un bestseller di Amazon nel campo dell'IA. AI Engineering si basa su Designing Machine Learning Systems (O'Reilly) e lo integra.
