کتاب مهندسی هوش مصنوعی؛ آموزش ساخت اپلیکیشن با LLM

معرفی کتاب:

کتاب «مهندسی هوش مصنوعی: ساخت اپلیکیشن با مدل‌های پایه» (AI Engineering) تالیف چیپ هوین، یکی از جامع‌ترین منابع آموزشی برای متخصصانی است که قصد دارند از مدل‌های بزرگ زبانی (LLM) در پروژه‌های واقعی و تجاری استفاده کنند. این کتاب با تمرکز بر اصول پایدار مهندسی، فراتر از ابزارهای موقت حرکت کرده و به آموزش نحوه طراحی، توسعه و مقیاس‌پذیری اپلیکیشن‌های مبتنی بر هوش مصنوعی می‌پردازد. نویسنده با بهره‌گیری از تجربیات عملی خود در صنعت، نقشه‌ای دقیق برای تبدیل مدل‌های هوش مصنوعی به محصولات کاربردی و ایمن ارائه می‌دهد.

از اینکه این کتاب را از متاباران دریافت می‌کنید، سپاسگزاریم.

لطفاً امتیاز خود را ثبت کنید و دیدگاهتان را با ما به اشتراک بگذارید. همچنین اگر کتاب خاصی نیاز دارید، در قسمت دیدگاه‌ها بنویسید.

ویژگی‌های برجسته کتاب:

• پوشش کامل چرخه حیات محصول: از مرحله ارزیابی اولیه و انتخاب مدل تا استقرار در محیط عملیاتی و پایش مداوم.
• آموزش تکنیک‌های کلیدی انطباق: بررسی عمیق مفاهیمی همچون مهندسی پرامپت (Prompt Engineering)، تولید افزوده بازیابی (RAG) و ریزتنظیم (Fine-tuning).
• مدیریت چالش‌های مهندسی: ارائه راهکارهای عملی برای مقابله با توهمات مدل، تضمین امنیت داده‌ها و کاهش هزینه‌های زیرساختی.
• بهینه‌سازی عملکرد: تمرکز بر روش‌های کاهش تاخیر (Latency) و افزایش کارایی مدل‌ها در مقیاس‌های بزرگ.
• رویکرد متکی بر تجربه: استفاده از مثال‌های دنیای واقعی و تحلیل‌های فنی که شکاف میان تئوری و عمل را پر می‌کند.

مشخصات کتاب:

• موضوع کتاب: مهندسی هوش مصنوعی و توسعه سیستم‌های هوشمند
• عنوان: AI Engineering: Building Applications with Foundation Models
• نویسنده: Chip Huyen (چیپ هوین)
• ناشر: O'Reilly Media
• دسته بندی: هوش مصنوعی، مهندسی نرم‌افزار، علوم داده
• سطح مطالعه: متوسط تا پیشرفته
• سال انتشار: ۲۰۲۵ (ویرایش دسامبر ۲۰۲۴)
• فرمت فایل: PDF
• زبان: انگلیسی
• تعداد صفحات: ۹۹۱ صفحه
• حجم فایل: 29 مگابایت

این کتاب مناسب چه کسانی است؟

این اثر ارزشمند برای گروه‌های زیر توصیه می‌شود:

• مهندسان هوش مصنوعی و ML که می‌خواهند دانش خود را با تکنولوژی‌های جدید مدل‌های پایه      به‌روز کنند.
• توسعه‌دهندگان نرم‌افزار که قصد دارند قابلیت‌های هوش مصنوعی را به اپلیکیشن‌های خود اضافه کنند.
• مدیران محصول و معماران سیستم که به دنبال درک دقیق از محدودیت‌ها، پتانسیل‌ها و هزینه‌های پیاده‌سازی هوش مصنوعی هستند.
• دانشجویان و پژوهشگران که به دنبال یادگیری جنبه‌های کاربردی و صنعتی هوش مصنوعی مولد هستند.

خلاصه کتاب:

کتاب با تعریف دقیق نقش «مهندس هوش مصنوعی» و تفاوت‌های آن با حوزه‌های سنتی یادگیری ماشین آغاز می‌شود. در ادامه، خواننده با ساختار مدل‌های پایه و چگونگی انتخاب بهترین مدل برای نیازهای خاص آشنا می‌شود. تمرکز اصلی کتاب بر سه ستون اصلی بهبود عملکرد یعنی پرامپتینگ، RAG و ریزتنظیم (Fine-tuning) است. همچنین فصول مجزایی به مبحث بسیار مهم ارزیابی (Evaluation) اختصاص یافته تا توسعه‌دهندگان بتوانند کیفیت خروجی سیستم‌های خود را به‌صورت علمی بسنجند. در نهایت، مباحث مربوط به بهینه‌سازی استنتاج، کاهش مصرف منابع و استراتژی‌های استقرار در محیط‌های تولیدی به‌طور کامل تشریح شده است.

با آرزوی موفقیت!

متاباران، همراه همیشگی شما در مسیر موفقیت