Fil de meng shao (@shao__meng)

[Recommandation Open Source] Livre sur l'ingénierie de l'IA et autres ressources Cette bibliothèque de ressources, qui accompagne le célèbre livre sur l'IA de @chipro, « AI Engineering », comprend non seulement des explications du contenu du livre, mais aussi une multitude de recommandations de ressources en IA — un véritable trésor ! Positionnement central : Un guide de transformation de « l'alchimie » à « la construction d'un bâtiment ». Le cœur de ce projet et de ce livre réside dans la définition d'une discipline d'ingénierie émergente : l'ingénierie de l'IA. L'ingénierie ML traditionnelle se concentre sur l'entraînement de modèles à partir de zéro, l'ingénierie des caractéristiques et le traitement des données tabulaires (que l'on peut considérer comme de l'« alchimie »). La prochaine génération d'ingénierie en IA se concentre sur l'utilisation de modèles de base existants pour construire des produits d'application pratiques (ce qui peut être compris comme une « construction » avec des matériaux préfabriqués à haute résistance). Ce projet vise à aider les développeurs à combler l'immense fossé entre « être capable d'écrire une invite » et « créer des applications d'IA de niveau entreprise ». Le référentiel de contenu principal contient des exemples de code, des notes complémentaires et des outils pour chaque chapitre du livre : • Sélection et compréhension du modèle de base : Comment sélectionner le LLM ou le LMM approprié parmi une vaste base de données de modèles pour répondre aux besoins de votre entreprise. • Évaluation : C’est un point fort de l’ouvrage. En IA générative, les résultats des modèles sont incertains. Comment évaluer scientifiquement la qualité d’un modèle ? Le projet explore des méthodes de pointe, notamment l’IA jouant le rôle de juge. • RAG et agents : Comment permettre aux modèles d’effectuer des tests RAG à partir de données privées externes et comment leur permettre d’accomplir des tâches de manière autonome grâce à des outils ? Ce sont actuellement les deux modèles les plus utilisés par les entreprises pour la mise en œuvre de l’IA. • Mise au point et ingénierie des ensembles de données : lorsqu’un modèle à usage général est insuffisant, comment pouvons-nous l’affiner efficacement à l’aide de données pour en faire un expert du domaine ? • Optimisation de l'inférence : Pratiques d'ingénierie rigoureuses sur les coûts et la latence, vous apprenant à créer des applications d'IA rapides et économiques. À qui convient-il ? • Développeurs d'applications d'IA : Ingénieurs qui développent des produits basés sur l'IA (tels que des robots de service client et des outils d'analyse de documents). • Ingénieurs en transition depuis le ML traditionnel : Data scientists qui souhaitent comprendre la nouvelle pile technologique de l’ère des grands modèles. • Responsable technique/CTO : Décideurs qui doivent comprendre les aspects techniques et les structures de coûts de la mise en œuvre de l’IA. Adresse open source :