محتوای کتاب
معرفی کتاب AI Engineering
AI Engineering: Building Applications with Foundation Models
کتاب AI Engineering: Building Applications with Foundation Models نوشتهی Chip Huyen یکی از منابع مهم و کاربردی برای شناخت و یادگیری مهندسی هوش مصنوعی در عصر مدلهای بنیادین است. این کتاب به شما نشان میدهد چگونه میتوان با استفاده از مدلهای آماده و در دسترس هوش مصنوعی، اپلیکیشنهای کاربردی، مقیاسپذیر و قابلاعتماد طراحی و پیادهسازی کرد.
در سالهای اخیر، پیشرفتهای چشمگیر هوش مصنوعی باعث شدهاند ساخت محصولات مبتنی بر AI بسیار سادهتر و در دسترستر از گذشته باشد. رویکرد Model as a Service یا «مدل بهعنوان سرویس» باعث شده هوش مصنوعی دیگر صرفاً یک حوزه پیچیده و تخصصی نباشد، بلکه به ابزاری قدرتمند برای توسعه نرمافزار تبدیل شود؛ ابزاری که حتی افراد با تجربه محدود در AI نیز میتوانند از آن برای ساخت محصولات و اپلیکیشنهای هوشمند استفاده کنند.
درباره کتاب AI Engineering
کتاب AI Engineering با ارائه یک نمای کلی از مهندسی هوش مصنوعی آغاز میشود و توضیح میدهد که این حوزه چه تفاوتی با مهندسی سنتی یادگیری ماشین دارد. نویسنده در ادامه، پشته جدید هوش مصنوعی یا AI Stack را معرفی میکند و نشان میدهد توسعه اپلیکیشنهای AI در دنیای امروز به چه ابزارها، زیرساختها و رویکردهایی نیاز دارد.
در کتاب AI Engineering چه میآموزید؟
با مطالعه کتاب AI Engineering: Building Applications with Foundation Models یاد میگیرید چگونه در فضای پیچیده و گسترده هوش مصنوعی مسیر درست را انتخاب کنید. این کتاب به شما کمک میکند با مدلها، دیتاستها، معیارهای ارزیابی، بنچمارکها، الگوهای کاربردی و موارد استفاده متنوع در توسعه اپلیکیشنهای هوش مصنوعی آشنا شوید.
برخی از مهمترین موضوعاتی که در این کتاب یاد میگیرید عبارتاند از:
- آشنایی با مفهوم مهندسی هوش مصنوعی و تفاوت آن با مهندسی سنتی یادگیری ماشین
- یادگیری فرایند طراحی و توسعه یک اپلیکیشن مبتنی بر AI
- شناخت چالشهای هر مرحله از توسعه اپلیکیشنهای هوش مصنوعی و روشهای حل آنها
- بررسی تکنیکهای سازگارسازی مدل مانند Prompt Engineering، RAG، Fine-tuning، Agents و Dataset Engineering
- درک نحوه عملکرد مدلهای بنیادین و دلیل استفاده از روشهای مختلف بهینهسازی آنها
- بررسی گلوگاههای مربوط به هزینه و تأخیر هنگام استفاده از مدلهای بنیادین
- یادگیری روشهای استقرار و اجرای کارآمد اپلیکیشنهای هوش مصنوعی
- انتخاب مدل، دیتاست، معیار ارزیابی و متریک مناسب بر اساس نیاز پروژه
کتاب AI Engineering برای چه کسانی مناسب است؟
درباره نویسنده کتاب AI Engineering
چرا باید کتاب AI Engineering را بخوانیم؟
جمع بندی درباره کتاب AI Engineering
منبع: O’Reilly Media
نظرات
متوسط امتیازات
جزئیات امتیازات
12 دیدگاه برای کتاب AI Engineering
قیمت
تازه دانلودش کردم و تعریفشو خیلی شنیدم
ممنونم از آقا امیر بابت این کتاب
رزومه نویسنده به دلیل تجربه های کاری که توی NVIDIA، Snorkel AI و تدریس در استنفورد داره، باعث شده دید خیلی عملی و صنعتی نسبت به موضوع مهندسی هوش مصنوعی داره
همین سابقه کاری و پیشینه میتونه اعتبار کتاب رو افزایش بده
یکی از نقاط قابل توجه کتاب این هست که به هزینه و تاخیر در سرویسدهی مدلهای بنیادین هم اشاره داره
این موضوع در پروژههای واقعی خیلی حیاتیه و معمولاً در منابع آموزشی کمتر به اون توجه میشه
به نظرم اگر کتاب مثالهای عملی و سناریوهای واقعی بیشتری داشته بود، ارزش کتاب برای توسعهدهندهها چند برابر میشد چون مفاهیمی مثل RAG و Agentها وقتی با مثال توضیح داده بشه، خیلی بهتر قابل درک هست
به نظر من مهم ترین بخش کتاب، مربوط به ارزیابی مدل ها بود
خیلی از افراد فقط روی خروجی گرفتن از مدل تمرکز میکنند، در صورتیکه ارزیابی کیفیت و کنترل خطا در پروژه های هوش مصنوعی، به شدت اهمیت داره
به نظر من یکی از نقاط قوت کتاب AI Engineering اینه که فقط درباره مدل های هوش مصنوعی صحبت نمیکنه بلکه نگاه مهندسی به ساخت محصول با مدل های بنیادین داره
این موضوع برای توسعهدهندهها و مهندسان هوش مصنوعی که میخوان از هوش مصنوعی در پروژه واقعی استفاده کنند، خیلی مهمه
از نکات جالب این کتاب این هست که مهندسی هوش مصنوعی رو از تفکر مهندسی سنتی ماشین لرنینگ جدا میکنه
این تفاوت برای خیلیامون که توی حوزه های مرتبط با هوش مصنوعی کار میکنند، هنوز شفاف و واضح نیست و این کتاب میتونه دید خوبی رو توی این زمینه بهتون بده
مطالعش رو حتی به علاقمندان تکنولوژی و هوش مصنوعی، پیشنهاد میکنم
کتاب AI Engineering احتمالاً برای مدیران محصول حوزه هوش مصنوعی هم به شدت مفیده چون فقط به برنامه نویسی نمیپردازه و درباره انتخاب مدل، دیتاست، معیار ارزیابی و طراحی سیستم هم صحبت میکنه
عنوان کتاب کاملاً با نیاز امروز بازار هماهنگه
الان دیگه فقط دونستن الگوریتمهای ماشین لرنینگ کافی نیست؛ بلکه این مهمه که بتونیم با مدلهای آماده و API ها محصول قابل استفاده بسازیم و توسعه بدیم
به نظر میرسه که این کتاب بیشتر به درد افرادی بخوره که یک بکگراندی در توسعه نرم افزار یا ماشین لرنینگ داشته باشند
کسی که خیلی مبتدی هست، بعضی از مفاهیم کتاب رو مثل بنچمارکهای ارزیابی، مدلهای بنیادین یا فاینتیونینگ رو متوجه نمیشه
تنها چیزی که این کتاب رو جذاب تر میکنه در بخش تمرکز بر ساخت اپلیکیشن های واقعی با هوش مصنوعی هست
نه تنها بصورت تئوری توضیح میده، بلکه بصورت کاملاً عملی هم اونو اجرا میکنه
این رویکرد کتاب باعث میشه که برای برنامه نویس ها و تیم های توسعه محصول، خیلی کاربردی تر باشه
کتاب از نظر موضوعی، خیلی به روز هست مخصوصاً در بخش هایی که به مفاهیمی مثل RAG، فاین تیونینگ، مهندسی پرامپت و ارزیابی مدلها پرداخته و اشاره میکنه
به نظرم این کتاب برای کسایی که میخوان از سطح استفاده ساده از ابزارهای هوش مصنوعی فراتر برن، انتخاب خوبیه