Los recientes avances en IA no sólo han aumentado la demanda de productos de IA, sino que también han reducido las barreras de entrada para quienes quieren crear productos de IA. El enfoque del modelo como servicio ha transformado la IA de una disciplina esotérica en una potente herramienta de desarrollo que cualquiera puede utilizar. Todo el mundo, incluidos los que tienen una experiencia mínima o nula en IA, puede ahora aprovechar los modelos de IA para crear aplicaciones. En este libro, el autor Chip Huyen habla de la ingeniería de la IA: el proceso de creación de aplicaciones con modelos básicos fácilmente disponibles.
El libro comienza con una visión general de la ingeniería de IA, explicando en qué se diferencia de la ingeniería de ML tradicional y hablando de la nueva pila de IA. Cuanto más se utiliza la IA, más oportunidades hay de que se produzcan fallos catastróficos, y por tanto, más importante se vuelve la evaluación. En este libro se analizan distintos enfoques para evaluar modelos abiertos, incluido el enfoque de la IA como juez, que está creciendo rápidamente.
Los desarrolladores de aplicaciones de IA descubrirán cómo navegar por el panorama de la IA, incluidos los modelos, los conjuntos de datos, los puntos de referencia de evaluación y el número aparentemente infinito de casos de uso y patrones de aplicación. Aprenderás un marco para desarrollar una aplicación de IA, empezando con técnicas sencillas y avanzando hacia métodos más sofisticados, y descubrirás cómo desplegar eficazmente estas aplicaciones.
- Comprenderás qué es la ingeniería de la IA y en qué se diferencia de la ingeniería tradicional del aprendizaje automático
- Aprenderás el proceso para desarrollar una aplicación de IA, los retos en cada paso y los enfoques para abordarlos
- Explorar diversas técnicas de adaptación de modelos, como la ingeniería de impulsos, la GAR, el ajuste fino, los agentes y la ingeniería de conjuntos de datos, y comprender cómo y por qué funcionan.
- Examinar los cuellos de botella de la latencia y el coste al servir modelos de base y aprender a superarlos
- Elige el modelo, el conjunto de datos, las referencias de evaluación y las métricas adecuados a tus necesidades
Chip Huyen trabaja para acelerar el análisis de datos en GPU en Voltron Data. Anteriormente, trabajó en Snorkel AI y NVIDIA, fundó una startup de infraestructura de IA y enseñó Diseño de Sistemas de Aprendizaje Automático en Stanford. Es autora del libro Designing Machine Learning Systems, un superventas de Amazon en IA.
AI Engineering se basa en Designing Machine Learning Systems (O'Reilly) y lo complementa.
