Thread de meng shao (@shao__meng)

[Recomendação de código aberto] Livro sobre Engenharia de IA e outros recursos Esta biblioteca de recursos, que acompanha o famoso livro de IA de @chipro, "AI Engineering", inclui não apenas explicações sobre o conteúdo do livro, mas também uma vasta gama de recomendações de recursos de IA — um verdadeiro tesouro! Posicionamento Essencial: Um Guia de Transformação da "Alquimia" à "Construção de um Edifício" O cerne deste projeto e livro reside na definição de uma disciplina de engenharia emergente — a Engenharia de IA. A engenharia de aprendizado de máquina tradicional se concentra no treinamento de modelos do zero, na engenharia de recursos e no processamento de dados tabulares (o que pode ser entendido como "alquimia"). A próxima geração da engenharia de IA concentra-se na utilização de modelos básicos existentes para construir produtos de aplicação prática (o que pode ser entendido como "construção" com materiais pré-fabricados de alta resistência). Este projeto visa ajudar os desenvolvedores a superar a enorme lacuna entre "ser capaz de escrever um Prompt" e "construir aplicativos de IA de nível empresarial". O repositório com a visão geral do conteúdo principal contém exemplos de código, notas complementares e ferramentas para cada capítulo do livro: • Seleção e Compreensão Básica de Modelos: Como selecionar o LLM ou LMM apropriado em um extenso banco de dados de modelos para as necessidades do seu negócio. • Avaliação: Este é um dos principais destaques do livro. Em IA generativa, a saída do modelo é incerta. Como podemos avaliar cientificamente a qualidade de um modelo? O projeto explora métodos de ponta, incluindo "IA como juíza". • RAG e Agentes: Como permitir que os modelos realizem RAG usando dados privados externos e como permitir que os modelos concluam tarefas de forma autônoma por meio de ferramentas. Atualmente, esses são os dois modelos mais comuns para empresas implementarem IA. • Ajuste fino e engenharia de conjuntos de dados: Quando um modelo de propósito geral é insuficiente, como podemos ajustá-lo de forma eficiente usando dados para torná-lo um especialista no domínio? • Otimização de Inferência: Práticas avançadas de engenharia sobre custo e latência, ensinando como fazer com que aplicativos de IA sejam executados de forma rápida e econômica. Para quem é indicado? • Desenvolvedores de aplicações de IA: Engenheiros que desenvolvem produtos baseados em LLM (como robôs de atendimento ao cliente e ferramentas de análise de documentos). • Engenheiros em transição do aprendizado de máquina tradicional: Cientistas de dados que desejam compreender a nova pilha de tecnologias da era dos grandes modelos. • Gerente de Tecnologia/CTO: Tomadores de decisão que precisam entender os caminhos técnicos e as estruturas de custos para a implementação de IA. Endereço de código aberto: