Привет, Хабр! Меня зовут Никита Горячев, работаю в позиции AI/ML Engineer в Сбере. В мой скоуп входит работа с SOTA (state-of-the-art) алгоритмами в областях NLP и RecSys.
Книга написана в форме Guide Book с теоретическими и практическими заданиями. Ниже написал анонс в виде Q&A, чтобы вы на первых двух пунктах смогли понять, интересно ли вам.
Для кого эта книга?
В первую очередь, для профессионалов:
ML Engineers
Data Scientists
Data Engineers
Software Engineers
Что вы можете почерпнуть из книги?
Появление Big LLM моделей открыло доступ ко множеству сценариев их использования, что серьезно трансформировало пейзаж классических AI подходов, значительно сократило time-to-model, предоставило беспрецедентные возможности для бизнеса в абсолютно разных нишах: рекомендательные системы, разработка чат-ботов, написание кастомных классификаторов, анализ текста и так далее... Очень важно понимать, что помимо базового доступа через API, существует множество продвинутых возможностей и инструментов, которые могут значительно усилить эффективность и функциональность применения этих моделей.
Почему я считаю что книга уникальна?
Теоретические и практические задания к каждой главе
Чтобы обеспечить глубокое понимание материала и привнести элементы реального опыта, каждая глава в книге снабжена теоретическими и практическими заданиями. Эти задания разработаны так, чтобы читатели могли не только усвоить теорию, но и, что главнее, применить эти знания на практике, создавая свои собственные приложения на базе LLM. Задания варьируются от базовых, направленных на закрепление понятий и методов, до комплексных проектных работ, в ходе которых читатель будет разрабатывать и тестировать свои собственные решения. Это позволяет пошагово пройти путь от идеи до реализации, освоив ключевые навыки и методы, необходимые для создания эффективных и инновационных LLM-сервисов.
Реальные продакшн сценарии
Книга предлагает не с потолка взятую теорию, а делится опытом применения изложенных подходов в реальных продакшн сценариях. Эти примеры исходят из моего собственного опыта работы.
Содержание книги
Книга состоит из трех глав.
Глава 1: Освоение OpenAI API
Первая глава знакомит читателей с API ChatGPT. Предоставлена дорожная карта для понимания ключевых стратегий, включая модерацию, Machine Reasoning и Prompt Chaining.
Глава 2: LangChain
Вторая глава посвящена практике использования LangChain. Детально описан процесс разработки, от настройки среды до внедрения передовых методик извлечения информации (Document Loaders, Text Splitters, Semantic Search, RAG Systems).
Глава 3: ML Ops для LLMs, или LLMOps
Третья глава представляет собой структурированное руководство по интеграции LLM в рабочие процессы разработки с акцентом на практики ML Ops, специфические для LLMs. Я описываю ключевые этапы от выбора модели до ее развертывания и мониторинга, подчеркивая роль автоматизации и лучших практик в управлении и масштабировании приложений на основе LLM (KuberFlow).
Заключение
Эта книга — не просто сборник методик и техник; это исчерпывающее руководство, предназначенное для того, чтобы профессионалы могли ответственно и новаторски использовать потенциал языковых моделей. Книга предлагает дорожную карту для тех, кто стремится продвинуться в быстро развивающейся области LLM Ops.
С нетерпением жду ваших отзывов и надеюсь на обратную связь.
С уважением,
Никита Горячев
