美商歐萊禮

內容簡介:「簡而言之，這是關於如何在公司構建、部署和擴展機器學習模型以獲得最大影響的最佳書籍。 」―Josh WillsWeaveGrid軟體工程師和前任Slack資料工程總監「在蓬勃發展但混亂的生態系統中，提供了ML從端到端的原則性視角，既是地圖又是指南針；大型科技公司內外的從業者必讀。」―Jacopo TagliabueCoveo人工智慧總監機器學習系統既複雜又獨特，複雜之處在於系統組件繁多，並涉及許多不同的持份者。獨特之處在於系統依賴資料，且資料在不同使用案例中大有不同。在本書，您將學習一種整體方法來設計可靠、可擴展、可維護，並能適應不斷變化環境和業務需求的機器學習系統。Claypot AI的聯合創始人、作者Chip Huyen考慮了每項設計決策―如何處理和創建訓練資料、使用哪些功能、重新訓練模型的頻率以及監控範圍，讓系統全面達標。本書提出的迭代框架結合實際案例研究，案例背後具大量參考文獻支持。本書將幫助您應對以下場景：‧規劃資料並選擇正確的指標來解決業務問題‧自動化流程以持續開發、評估、部署和更新模型‧開發監控系統，以快速檢測和解決模型在生產環境可能遇到的問題‧構建跨用例服務的ML平台‧開發負責任的機器學習系統

⭐⭐⭐⭐⭐ Amazon五星好評🏆 機器理論#1 🏆自然語言處理#1 🏆企業應用#1，霸榜超過30週「本書提供了一個全面且結構清晰的指南，涵蓋建構生成式AI系統的基本面向。對於希望在企業內推展AI的專業人士來說，這是一本必讀之作。」——Vittorio Cretella，前 P&G and Mars 全球資訊長「Chip Huyen很懂生成式AI，她是一位卓越的教師和作家，她的著作在幫助團隊將AI導入產品上發揮了重要作用。憑藉深厚的專業知識，《AI工程》是一本深入且全面性的指南，幫助讀者產出構建生成式AI應用。」——Luke Metz，ChatGPT共同創建人，前OpenAI研發經理 打造真正可用的LLM應用！從架構設計到部署評估，帶你一次打通 AI 工程實務全流程。面對LLM，你是否也曾困惑：•該怎麼選模型，Prompt要怎麼設計？•模型要微調，還是直接上線？•部署、監控、評估效果要怎麼做？能讓AI自評嗎？•又該如何避免幻覺、安全性、延遲等應用風險？無論你是AI工程師、ML工程師、資料科學家、工程經理、技術產品經理，或是AI工具開發者、研究人員、求職者，本書都能幫助你跨出關鍵第一步！📌 從零開始建構AI應用，或將原型提升至生產環境📌 解決幻覺、安全性、延遲與成本等應用挑戰📌 簡化團隊AI開發流程，讓系統更快、更穩、更可靠📌 在組織內有效運用基礎模型，提升業務價值與團隊能力📌 了解AI的能力與限制，釐清AI工程師的核心技能-----------------------------------------基礎模型促成了新的AI使用案例，降低了建構AI產品的進入門檻，將AI從一門深奧的學科，轉化為沒有任何AI經驗的人都能使用的強大開發工具。在這本易懂的指南中，作者Chip Huyen認為AI工程就是運用現有基礎模型建構應用的流程。AI應用開發者會看到包括模型、數據集、評估基準，以及看似無窮無盡應用模式的AI領域，本書也介紹了開發AI應用並可高效部署的實用框架。•理解什麼是AI工程及其與傳統機器學習工程有何不同•學習開發AI應用的流程、每個步驟的挑戰，以及應對這些挑戰的方法•探索包括提示工程、RAG、微調、代理和數據集工程的各種模型適配技術，並理解它們運作的方式與目的•檢視服務基礎模型時的延遲和成本瓶頸，及如何克服這些問題•針對需求選擇正確的模型、指標、