• Книги
  • AI и ML
  • LLM
  • LLM на практике. Большие языковые модели от идеи до внедрения
LLM на практике. Большие языковые модели от идеи до внедрения
A

LLM на практике. Большие языковые модели от идеи до внедрения

LLM
LLM large language models MLOps fine-tuning RAG pipelines inference optimization production deployment
Автор
Пол Юстин, Максим Лабонн
Издательство
Спринт Бук
Год
2026
Язык
Русский
33
Оцените книгу

Чтобы читать книгу, войдите / зарегистрируйтесь

Ознакомительный фрагмент

Похожие книги

RAG и генеративный ИИ. Создаем собственные RAG-пайплайны с помощью LlamaIndex, Deep Lake и Pinecon

RAG и генеративный ИИ. Создаем собственные RAG-пайплайны с помощью LlamaIndex, Deep Lake и Pinecon

Дэнис Ротман

RAG-системы: от теории к практике. Практическое руководство по созданию интеллектуальных систем поиска и генерации контента в эпоху стремительного развития ИИ-технологий

RAG-системы: от теории к практике. Практическое руководство по созданию интеллектуальных систем поиска и генерации контента в эпоху стремительного развития ИИ-технологий

Р. В. Душкин

ИИ-ассистенты на Python: применяем LLM, GPT, RAG на практике + виртуальный диск с готовыми ботами и примерами

ИИ-ассистенты на Python: применяем LLM, GPT, RAG на практике + виртуальный диск с готовыми ботами и примерами

Воробьев М. С.

Основы GraphRAG. Улучшенный RAG на базе графов знаний

Основы GraphRAG. Улучшенный RAG на базе графов знаний

Томаж Братанич, Оскар Хане

AI-инженерия. Построение приложений с использованием базовых моделей

AI-инженерия. Построение приложений с использованием базовых моделей

Чип Хьюен

Expert Python Programming. Third Edition

Expert Python Programming. Third Edition

Michal Jaworski, Tarek Ziade

Разработка приложений на базе GPT-4 и ChatGPT. 2-е издание

Разработка приложений на базе GPT-4 и ChatGPT. 2-е издание

Оливье Келен, Мари-Алис Блете

Промт-инжиниринг для LLM. Искусство построения приложений на основе больших языковых моделей

Промт-инжиниринг для LLM. Искусство построения приложений на основе больших языковых моделей

Джон Берриман, Альберт Циглер

Промт-инжиниринг для GenAI. Паттерны надежных запросов для качественных результатов

Промт-инжиниринг для GenAI. Паттерны надежных запросов для качественных результатов

Джеймс Феникс, Майк Тейлор

.NET 8: инструменты и навыки. Лучшие практики и паттерны проектирования, отладки и тестирования

.NET 8: инструменты и навыки. Лучшие практики и паттерны проектирования, отладки и тестирования

Марк Дж. Прайс