IA Generativa en AWS

Prefacio

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Después de leer este libro, comprenderás los casos de uso y las tareas más comunes de la IA generativa que abordan la industria y el mundo académico en la actualidad. Conocerás en profundidad cómo se construyen estos modelos generativos de perímetro, así como la experiencia práctica que te ayudará a elegir entre reutilizar un modelo generativo existente o construir uno desde cero. A continuación, aprenderás a adaptar estos modelos de IA generativa a los conjuntos de datos, tareas y casos de uso específicos de tu dominio que respaldan tus aplicaciones empresariales.

Este libro está pensado para entusiastas de la IA/ML, científicos de datos e ingenieros que quieran aprender los fundamentos técnicos y las buenas prácticas para el entrenamiento, el ajuste y la implementación en producción de modelos de IA generativa. Suponemos que ya estás familiarizado con Python y con los componentes básicos del aprendizaje profundo, como las redes neuronales, la propagación hacia delante, las activaciones, los gradientes y las retropropagaciones, para entender los conceptos que se utilizan aquí.

Un conocimiento básico de Python y de marcos de aprendizaje profundo como TensorFlow o PyTorch debería ser suficiente para entender los ejemplos de código utilizados a lo largo del libro. No es necesario estar familiarizado con AWS para aprender los conceptos, pero es útil para algunos de los ejemplos específicos de AWS.

Te sumergirás de lleno en el ciclo de vida de la IA generativa y aprenderás temas como la ingeniería de prompts, el aprendizaje en contexto de pocos disparos, el preentrenamiento de modelos generativos, la adaptación de dominios, la evaluación de modelos, el ajuste fino eficiente de parámetros (PEFT) y el aprendizaje por refuerzo a partir de la retroalimentación humana (RLHF).

Te pondrás manos a la obra con grandes modelos lingüísticos populares, como Llama 2 y Falcon, así como con modelos generativos multimodales, como Stable Diffusion e IDEFICS. Accederás a estos modelos básicos a través de Hugging Face Model Hub, Amazon SageMaker JumpStart o el servicio gestionado Amazon Bedrock para IA generativa.

También aprenderás a poner en práctica la generación aumentada de recuperación consciente del contexto (RAG)¹ y flujos de trabajo de razonamiento basados en agentes.² Explorarás marcos de aplicación y bibliotecas, como LangChain, ReAct,³ y los modelos de Lenguaje Asistido por Programa (PAL). Puedes utilizar estos marcos y bibliotecas para acceder a tus propias fuentes de datos y API personalizadas o integrarte con fuentes de datos externas, como la búsqueda web y los sistemas de datos asociados.

Por último, explorarás todos estos conceptos, marcos y bibliotecas generativos en el contexto de casos de uso de IA generativa multimodal en diferentes modalidades de contenido, como texto, imágenes, audio y vídeo.

Y no te preocupes si aún no entiendes todos estos conceptos. A lo largo del libro, profundizarás en cada uno de estos temas con mucho más detalle. Con todos estos conocimientos y experiencia práctica, ¡podrás empezar a crear aplicaciones de IA generativa de vanguardia que te ayudarán a deleitar a tus clientes, superar a tu competencia y aumentar tus ingresos!

Convenciones utilizadas en este libro

En este libro se utilizan las siguientes convenciones tipográficas:

Cursiva

Indica nuevos términos, URL, direcciones de correo electrónico, nombres de archivo y extensiones de archivo.

Constant width

Se utiliza en los listados de programas, así como dentro de los párrafos para referirse a elementos del programa como nombres de variables o funciones, bases de datos, tipos de datos, variables de entorno, sentencias y palabras clave.

Constant width bold

Se utiliza para llamar la atención sobre fragmentos de interés en bloques de código, así como para diferenciar entre varios interlocutores en un diálogo, o entre el usuario humano y el asistente de IA.

Consejo

Este elemento significa un consejo o sugerencia.

Nota

Este elemento significa una nota general.

Utilizar ejemplos de código

El material complementario (ejemplos de código, ejercicios, etc.) se puede descargar en https://oreil.ly/generative-ai-on-aws-code.

Si tienes una pregunta técnica o un problema al utilizar los ejemplos de código, envía un correo electrónico a [e-mail].

Este libro está aquí para ayudarte a hacer tu trabajo. En general, si se ofrece código de ejemplo con este libro, puedes utilizarlo en tus programas y documentación. No es necesario que te pongas en contacto con nosotros para pedirnos permiso, a menos que estés reproduciendo una parte importante del código. Por ejemplo, escribir un programa que utilice varios trozos de código de este libro no requiere permiso. Vender o distribuir ejemplos de libros de O'Reilly sí requiere permiso. Responder a una pregunta citando este libro y el código de ejemplo no requiere permiso. Incorporar una cantidad significativa de código de ejemplo de este libro en la documentación de tu producto sí requiere permiso.

Agradecemos, pero generalmente no exigimos, la atribución. Una atribución suele incluir el título, el autor, la editorial y el ISBN. Por ejemplo "Generative AI on AWS " de Chris Fregly, Antje Barth y Shelbee Eigenbrode (O'Reilly). Copyright 2024 Flux Capacitor, LLC, Antje Barth y Shelbee Eigenbrode, 978-1-098-15922-1".

Si crees que el uso que haces de los ejemplos de código no se ajusta al uso legítimo o al permiso concedido anteriormente, no dudes en ponerte en contacto con nosotros en [e-mail].

Aprendizaje en línea O'Reilly

Nota

Durante más de 40 años, O'Reilly Media ha proporcionado formación, conocimientos y perspectivas sobre tecnología y negocios para ayudar a las empresas a alcanzar el éxito.

Nuestra red única de expertos e innovadores comparten sus conocimientos y experiencia a través de libros, artículos y nuestra plataforma de aprendizaje online. La plataforma de aprendizaje en línea de O'Reilly te ofrece acceso bajo demanda a cursos de formación en directo, rutas de aprendizaje en profundidad, entornos de codificación interactivos y una amplia colección de textos y vídeos de O'Reilly y de más de 200 editoriales. Para más información, visita https://oreilly.com.

Cómo contactar con nosotros

Dirige tus comentarios y preguntas sobre este libro a la editorial:

• O'Reilly Media, Inc.
• 1005 Gravenstein Highway Norte
• Sebastopol, CA 95472
• 800-889-8969 (en Estados Unidos o Canadá)
• 707-829-7019 (internacional o local)
• 707-829-0104 (fax)
• [e-mail]
• https://www.oreilly.com/about/contact.html

Tenemos una página web para este libro, en la que se enumeran erratas, ejemplos y cualquier información adicional. Puedes acceder a esta página en https://oreil.ly/generative-ai-on-aws.

Para obtener noticias e información sobre nuestros libros y cursos, visita https://oreilly.com.

Encuéntranos en LinkedIn: https://linkedin.com/company/oreilly-media

Síguenos en Twitter: https://twitter.com/oreillymedia

Míranos en YouTube: https://youtube.com/oreillymedia

Agradecimientos

Nos gustaría dar las gracias a todos nuestros revisores, incluidos Brent Rabowsky, Randy DeFauw, Sean Owen, Akhil Behl y Sireesha Muppala, PhD. Vuestros comentarios fueron fundamentales para la narrativa que seguimos en este libro. Además, su orientación e intuición nos ayudaron a modular la profundidad técnica de los ejemplos de código que incluimos.

Chris

Dedico este libro a mi madre, que siempre me ha inspirado a compartir conocimientos con los demás. Además, siempre me ha escuchado pacientemente mientras navego por la vida, me cuestiono cosas y busco respuestas.

Antje

Me gustaría dar las gracias a mi familia por proporcionarme una gran educación y apoyarme a lo largo de mis esfuerzos profesionales. En particular, quiero dar las gracias a mi hermano, Kai, que me compró mi primer portátil y se aseguró de que tuviera las herramientas adecuadas para la universidad. Éste fue el catalizador inicial de mi carrera en informática.

Shelbee

A mi marido, Steve, y a mi hija, Emily, por ser siempre "mi por qué" y por su continuo apoyo, especialmente las noches hasta tarde y los largos fines de semana escribiendo este libro. También quiero dar las gracias a mi perra, Molly, por sentarse pacientemente mientras le hacía fotos para utilizarlas como entrada para algunos de los modelos multimodales de este libro.

¹ Patrick Lewis y otros, "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks", arXiv, 2021.

² Jason Wei et al., "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models", arXiv, 2022.

³ Shunyu Yao y otros, "ReAct: Synergizing Reasoning and Acting in Language Models", arXiv, 2023.