Vorwort
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
KI ist ein echt großes und komplexes Gebiet. Wenn du noch nie ein Modell trainiert hast, kann es sein, dass du das Gefühl hast, du brauchst einen Doktortitel, um überhaupt anzufangen. Wenn du schon mal ein Modell trainiert hast, kann es sein, dass du das Gefühl hast, du musst erst mal sowohl Dateningenieur als auch Kubernetes- oder Cloud-Experte werden, um ein System für maschinelles Lernen (ML) aufzubauen.
Vielleicht hast du schon ein bisschen Erfahrung mit ML oder KI. Vielleicht hast du ein Modell mit einem statischen Datensatz trainiert. Oder du hast durch das Erstellen einer Eingabeaufforderung, mit der du eine Aufgabe erfolgreich erledigt hast, etwas über große Sprachmodelle (LLMs) gelernt. Um jedoch einen echten Mehrwert aus KI zu schaffen, musst du von statischen Datensätzen und statischen Eingabeaufforderungen zu dynamischen Daten und Context Engineering übergehen. Wenn du ein Modell trainierst, benötigst du ein System, das damit viele Vorhersagen trifft, nicht nur Vorhersagen zu dem statischen Datensatz, den du heruntergeladen hast. Wenn du eine Anwendung KI-fähig machst, musst du nicht für alle Benutzer die gleichen Antworten fest verdrahten. Du kannst die KI personalisieren, indem du zum Zeitpunkt der Anfrage aktuelle und relevante Kontextinformationen bereitstellst.
ML- und KI-Systeme schaffen den größten Mehrwert, wenn sie mit ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access