LLM Engineer's Handbook Master the art of engineering large language models from concept to production
-
- Taschenbuch ausgewählt
- eBook
-
Zustand:Gebraucht, sehr gut
- Neu 124,99 €
- Gebraucht, sehr gut 69,57 € ausgewählt
-
Sprache:Englisch
69,57 €
109,10 €
*
inkl. gesetzl. MwSt.,
*ggü. gebundenem Ladenpreis bzw. UVP für Neuware.
Lieferung nach Hause
Beschreibung
Produktdetails
Zustand
Sehr gut
Einband
Taschenbuch
Erscheinungsdatum
22.10.2024
Verlag
Packt Publishing LimitedSeitenzahl
522
Maße (L/B/H)
23,5/19,1/2,9 cm
Gewicht
964 g
Sprache
Englisch
EAN
2710005784123
Step into the world of LLMs with this practical guide that takes you from the fundamentals to deploying advanced applications using LLMOps best practices Purchase of the print or Kindle book includes a free eBook in PDF format "This book is instrumental in making sure that as many people as possible can not only use LLMs but also adapt them, fine-tune them, quantize them, and make them efficient enough to deploy in the real world." - Julien Chaumond, CTO and Co-founder, Hugging Face Book Description This LLM book provides practical insights into designing, training, and deploying LLMs in real-world scenarios by leveraging MLOps' best practices. The guide walks you through building an LLM-powered twin that's cost-effective, scalable, and modular. It moves beyond isolated Jupyter Notebooks, focusing on how to build production-grade end-to-end LLM systems. Throughout this book, you will learn data engineering, supervised fine-tuning, and deployment. The hands-on approach to building the LLM twin use case will help you implement MLOps components in your own projects. You will also explore cutting-edge advancements in the field, including inference optimization, preference alignment, and real-time data processing, making this a vital resource for those looking to apply LLMs in their projects. What you will learn - Implement robust data pipelines and manage LLM training cycles - Create your own LLM and refine with the help of hands-on examples - Get started with LLMOps by diving into core MLOps principles like IaC - Perform supervised fine-tuning and LLM evaluation - Deploy end-to-end LLM solutions using AWS and other tools - Explore continuous training, monitoring, and logic automation - Learn about RAG ingestion as well as inference and feature pipelines Who this book is for This book is for AI engineers, NLP professionals, and LLM engineers looking to deepen their understanding of LLMs. Basic knowledge of LLMs and the Gen AI landscape, Python and AWS is recommended. Whether you are new to AI or looking to enhance your skills, this book provides comprehensive guidance on implementing LLMs in real-world scenarios. Table of Contents - Undersstanding the LLM Twin Concept and Architecture - Tooling and Installation - Data Engineering - RAG Feature Pipeline - Supervised Fine-tuning - Fine-tuning with Preference Alignment - Evaluating LLMs - Inference Optimization - RAG Inference Pipeline - Inference Pipeline Deployment - MLOps and LLMOps - Appendix: MLOps Principles
Ein neues Kapitel für Ihre Bücher
Ein neues Kapitel für Ihre Bücher
Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten dafür eine Thalia Geschenkkarte.
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice