Зарегистрируйтесь на getAbstract, чтобы получить доступ к этому краткому изложению.

Engenharia de IA

Зарегистрируйтесь на getAbstract, чтобы получить доступ к этому краткому изложению.

Engenharia de IA

Construindo aplicativos com modelos de base

O’Reilly,

15 мин на чтение
8 основных идей
Аудио и текст

Что внутри?

Os modelos de base são amplamente aplicáveis – e facilitam o desenvolvimento de produtos de IA.


Avaliação Editorial

8

Qualidades

  • Analítico
  • Baseado na Ciência
  • Aplicável

Recomendação

Vários modelos de base de IA prontamente disponíveis podem ser aplicados a uma infinidade de utilizações. Esses modelos permitem que mesmo aqueles com relativamente pouco conhecimento técnico ou experiência com IA construam produtos de IA. A cientista da computação Chip Huyen ensina você a adaptar um modelo às suas necessidades específicas e escolher um modelo que funcione melhor no seu caso.

Resumo

A engenharia de IA difere da engenharia tradicional de aprendizado das máquinas.

O que distingue a IA hoje das versões anteriores é a sua escala. Aplicativos como ChatGPT, Gemini e Midjourney consomem quantidades significativas de eletricidade e são treinados em quantidades impressionantes de dados. Esses modelos de IA poderosos podem executar inúmeras aplicações, aumentando o seu valor econômico – e, em última análise, melhorando a vida das pessoas.

O treinamento de IAs de grandes modelos de linguagem (LLM) requer enormes quantidades de dados e poder computacional. Poucas empresas conseguem atender a essa demanda. A diferença entre os LLMs atuais e os modelos de linguagem anteriores é a “autossupervisão”: algoritmos de modelos de linguagem mais antigos precisavam de dados especificamente rotulados – o que pode levar muito tempo e recursos para serem coletados. A supervisão envolve marcar dados com comportamento e outros recursos que você deseja que um modelo aprenda e depois os utilizar para consolidar o resultado. Após a conclusão do treinamento, o modelo pode aplicar o que aprendeu com os conjuntos de dados marcados para analisar os dados em geral, acelerando...

Sobre o autor

Chip Huyen é escritora e cientista da computação que atua na interseção entre IA, dados e storytelling. Ela trabalhou com a Snorkel AI e a NVIDIA, fundou uma startup de infraestrutura de IA e ensinou design de sistemas de aprendizado das máquinas na Universidade de Stanford.


Comente sobre este resumo

Mais deste tópico

Relacionados a habilidades

Корпоративные финансы
Управлять ИИ-трансформацией
Предпринимательство
Исполнительное руководство
Отдел кадров
Лидерство
Применять ИИ при создании бизнес-стратегии
Применять ИИ в финансах
Применять ИИ в управлении персоналом
Применять ИИ в менеджменте
Применять ИИ в продажах
Управление
Маркетинг
Производство и логистика
Продажи
Применять ИИ на производстве и в цепочке поставок
Навыки работы на рабочем месте
Применять ИИ для оптимизации процессов
Выбрать приоритеты для внедрения ИИ
Применение ИИ в финансовой отрасли
Применять ИИ в задачах лидерства
Применять ИИ для написания и отладки кода
Применять ИИ для оптимизации товарных запасов
Применять ИИ для сопоставления навыков
Применение ИИ в отрасли потребительских товаров
Применять ИИ для прогнозирования спроса
Применять ИИ для прогнозирования времени прибытия груза
Применять ИИ в поисковой оптимизации
Примеры использования ИИ
Применение ИИ в отрасли информационных технологий
Применять ИИ для улучшения клиентского опыта
Применять ИИ в повседневных задачах
Применять ИИ этично
Применять ИИ для прогнозируемого техобслуживания
Применять ИИ для презентаций
Применять ИИ для создания прототипов
Применять ИИ для прогнозирования продаж
Применять ИИ для сегментации клиентов
Применять ИИ для проспектинга
Применять ИИ для коммуникации и написания текстов
Применение ИИ в СМИ и индустрии развлечений
Применять ИИ для приоритизации функций
Трансформация ИИ
Применять ИИ в маркетинге
Применять ИИ в разработке продуктов
Знать о возможностях и ограничениях ИИ
Применять ИИ для персонализации кампаний
Применять ИИ для исследования пользователей
Применять ИИ для визуального контроля качества
Знать об особенностях ИИ
Знать о генеративном ИИ
Применять ИИ для анализа отзывов клиентов
Применять ИИ для финансового прогнозирования
Применять ИИ для коммерческих предложений
Применять ИИ для моделирования рисков
Применять ИИ для улучшения коммуникации
Измерять влияние ИИ на результаты
Применять ИИ для создания изображений и видео
Применять ИИ для анализа настроения
Применять ИИ для кредитного скоринга
Применять ИИ в маркетинговой аналитике
Применять ИИ для перевода и локализации
Применять ИИ для проведения исследований
Применять ИИ для генерации идей
Применять ИИ для анализа данных
Применять ИИ для обучения и развития
Применять ИИ для анализа рынка
Применять ИИ для обучения и повышения квалификации
Применять ИИ для создания маркетингового контента
Знать об ИИ-агентах
Применять ИИ для создания базы знаний
Применять ИИ-агентов
Знать о больших языковых моделях
Знать о мультимодальном ИИ
Применять ИИ с корпоративной базой знаний
Составлять промпты для ИИ