![[Packt]LLM 工程师手册 | LLM Engineer’s Handbook](https://www.feifeiziyuan.com/wp-content/uploads/2024/11/cover_image-300x200.webp)
LLM 工程师手册
LLM Engineer’s Handbook
掌握从概念到生产的大型语言模型的工程设计技巧
主要优势
- 逐步构建和优化 LLMs，涵盖数据准备、RAG 和微调
- 学习部署和监控 LLMs，确保生产中的最佳性能
- 利用首选项对齐、评估和推理优化来提高 LLM
描述
人工智能经历了快速发展，大型语言模型 （LLMs） 处于这场革命的最前沿。这本 LLM 书籍提供了有关如何利用 MLOps 最佳实践在实际场景中设计、训练和部署 LLMs） 的见解。该指南将引导您构建一个 LLM 支持的孪生，该孪生具有成本效益、可扩展性和模块化。它超越了孤立的 Jupyter 笔记本，专注于如何构建生产级端到端 LLM 系统。在本书中，您将学习数据工程、监督微调和部署。构建 LLM将帮助您在自己的项目中实施 MLOps 组件。您还将探索该领域的前沿进展，包括推理优化、首选项对齐和实时数据处理，这使其成为那些希望在其项目中应用 LLMs。在本书结束时，您将熟练部署 LLMs 可以解决实际问题，同时保持低延迟和高可用性推理能力。无论您是人工智能新手还是经验丰富的从业者，本书都提供了指导和实用技术，这些技术将加深您对 LLMs 的理解，并提高您有效实施它们的能力。
这本书适合谁阅读？
本书面向 AI 工程师、NLP 专业人员和 LLM 工程师，他们希望加深对 LLMs。建议具备 LLMs 和 Gen AI 环境、Python 和 AWS 的基本知识。无论您是 AI 新手还是希望提高技能，本书都提供了有关在实际场景中实施 LLMs
您将学习什么
- 实施强大的数据管道并管理 LLM 训练周期
- 创建您自己的 LLM，并在动手示例的帮助下对其进行优化
- 通过深入了解核心 MLOps 原则（如业务流程协调程序和提示监视），开始使用 LLMOps
- 执行监督式微调和 LLM 评估
- 使用 AWS 和其他工具部署端到端 LLM 解决方案
- 设计可扩展和模块化的 LLM 系统
- 通过构建功能和推理管道来了解 RAG 应用程序。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
评论(0)