KI-Engineering

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com

Die neuesten Durchbrüche in der KI haben nicht nur die Nachfrage nach KI-Produkten erhöht, sondern auch die Einstiegshürden für Leute gesenkt, die KI-Produkte entwickeln wollen. Der „Model-as-a-Service”-Ansatz hat KI von einer komplizierten Sache zu einem starken Entwicklungswerkzeug gemacht, das jeder nutzen kann. Jeder, auch Leute mit wenig oder gar keiner KI-Erfahrung, kann jetzt KI-Modelle nutzen, um Anwendungen zu entwickeln. In diesem Buch geht der Autor Chip Huyen auf KI-Engineering ein: den Prozess der Entwicklung von Anwendungen mit leicht verfügbaren Basismodellen.

Das Buch beginnt mit einem Überblick über AI Engineering, erklärt, wie es sich vom traditionellen ML Engineering unterscheidet, und bespricht den neuen AI-Stack. Je mehr AI eingesetzt wird, desto größer ist die Gefahr katastrophaler Ausfälle und desto wichtiger wird die Bewertung. Dieses Buch bespricht verschiedene Ansätze zur Bewertung offener Modelle, darunter den schnell wachsenden Ansatz „AI-as-a-judge”.

Entwickler von KI-Anwendungen erfahren, wie sie sich in der KI-Landschaft zurechtfinden, einschließlich Modellen, Datensätzen, Bewertungsbenchmarks und der scheinbar unendlichen Anzahl von Anwendungsfällen und Anwendungsmustern. Sie lernen ein Framework für die Entwicklung einer KI-Anwendung kennen, das mit einfachen Techniken beginnt und zu komplexeren Methoden übergeht, und erfahren, wie diese Anwendungen effizient eingesetzt werden können.

• Verstehe, was KI-Engineering ist und wie es sich vom traditionellen Machine-Learning-Engineering unterscheidet.
• Lerne den Prozess der Entwicklung einer KI-Anwendung, die Herausforderungen in jedem Schritt und Ansätze zu deren Bewältigung kennen.
• Entdecke verschiedene Techniken zur Modellanpassung, darunter Prompt-Engineering, RAG, Fine-Tuning, Agenten und Datensatz-Engineering, und verstehe, wie und warum sie funktionieren.
• Untersuche die Engpässe hinsichtlich Latenz und Kosten bei der Bereitstellung von Basismodellen und lerne, wie du diese überwinden kannst.
• Wähle das richtige Modell, den richtigen Datensatz, die richtigen Bewertungsbenchmarks und Metriken für deine Anforderungen.

Chip Huyen arbeitet bei Voltron Data daran, die Datenanalyse auf GPUs zu beschleunigen. Zuvor war sie bei Snorkel AI und NVIDIA tätig, gründete ein Start-up für KI-Infrastruktur und lehrte Machine Learning Systems Design an der Stanford University. Sie ist Autorin des Buches „Designing Machine Learning Systems”, einem Amazon-Bestseller im Bereich KI.

„AI Engineering” baut auf „Designing Machine Learning Systems” (O'Reilly) auf und ergänzt dieses Buch.