ODBIERZ TWÓJ BONUS :: »

Wzorce projektowe w generatywnej AI. Sprawdzone rozwiązania przy budowie agentów i aplikacji GenAI Valliappa Lakshmanan, Hannes Hapke

(ebook) (audiobook) (audiobook)
Autorzy:
Valliappa Lakshmanan, Hannes Hapke
Wydawnictwo:
Helion
Wydawnictwo:
Helion
Ocena:
6.0/6  Opinie: 1
Stron:
456
Druk:
oprawa miękka
Dostępne formaty:
     PDF
     ePub
     Mobi
Czytaj fragment
Książka
78,69 zł 129,00 zł (-39%)
77,40 zł najniższa cena z 30 dni

Dodaj do koszyka Darmowa dostawa od 60,00 zł Do darmowej dostawy brakuje Ci 0,00 zł Najtańsza dostawa od 9,90 zł Gratulujemy! Twoje zamówienie kwalifikuje się do darmowej wysyłki Wysyłamy w 24h

Ebook
65,79 zł 129,00 zł (-49%)
39,90 zł najniższa cena z 30 dni

Dodaj do koszyka Dostępny natychmiast po opłaceniu zakupu lub Kup na prezent Kup 1-kliknięciem

Przenieś na półkę

Do przechowalni

Do przechowalni

Powiadom o dostępności audiobooka »

Czego się nauczysz?

  • Kontrolowania stylu i formatu odpowiedzi LLM za pomocą maskowania logitów i reguł gramatycznych
  • Przenoszenia stylu między tekstami oraz neutralizowania i odwracania tonu wypowiedzi
  • Optymalizowania treści generowanej przez modele pod kątem jakości i spójności
  • Projektowania i wdrażania podstawowego RAG do uzupełniania wiedzy modeli bazowych
  • Budowania indeksów semantycznych oraz skalowania indeksowania dla dużych zbiorów danych
  • Ulepszania retrievalu dzięki podejściu świadomemu indeksu i postprocessingu węzłów
  • Zwiększania wiarygodności generacji poprzez cytowanie źródeł i strategie ograniczania halucynacji
  • Stosowania głębokiego wyszukiwania (Deep Search) do trudnych zapytań i wieloetapowego odzyskiwania kontekstu
  • Wzmacniania wnioskowania modelu technikami Chain of Thought i Tree of Thoughts
  • Rozszerzania możliwości modeli przez strojenie adapterów i podejście Evol-Instruct
  • Podnoszenia niezawodności odpowiedzi dzięki LLM-as-Judge oraz mechanizmom refleksji i autokorekty
  • Uporządkowania architektury aplikacji GenAI przez wstrzykiwanie zależności i optymalizację promptów
  • Wyposażania agentów w działanie przez wywoływanie narzędzi, wykonywanie kodu i współpracę wieloagentową
  • Optymalizowania kosztów i opóźnień przez małe modele językowe, buforowanie promptów i optymalizację inferencji
  • Testowania zachowania systemu pod obciążeniem i w degradacji oraz wdrażania pamięci długoterminowej
  • Implementowania zabezpieczeń z użyciem szablonów, przebudowy danych, samosprawdzenia i guardrails

Generatywna sztuczna inteligencja rewolucjonizuje pracę nad tworzeniem aplikacji. Modele bazowe takie jak GPT, Claude, Gemini czy Llama umożliwiają szybkie budowanie demonstracji, lecz rzeczywiste wdrożenia mierzą się z halucynacjami, niespójnymi odpowiedziami, lukami w wiedzy i problemami z niezawodnością. Książka przedstawia 32 wzorce projektowe wypracowane przez praktyków wdrażających systemy GenAI na dużą skalę. To nie teoria, lecz konkretne recepty na powtarzalne problemy, z którymi zmaga się każdy inżynier AI budujący aplikacje gotowe do produkcji.

Autorzy prowadzą czytelnika przez cały proces inżynierii AI od kontrolowania stylu i formatu treści, przez integrację wiedzy zewnętrznej z zaawansowanym RAG, wzmacnianie zdolności wnioskowania, budowę niezawodnych systemów, tworzenie agentów zdolnych do działania, aż po optymalizację wdrożeń i implementację zabezpieczeń. Każdy wzorzec jest opisany według jednolitego schematu: problem, sprawdzone rozwiązanie, kompletny przykład kodu, omówienie alternatyw i kompromisów implementacyjnych. Książka łączy osiągnięcia najnowszych badań z praktycznym doświadczeniem ekspertów i dostarcza gotowe wskazówki dla osób tworzących aplikacje oparte na modelach bazowych.

W książce:

  • RAG i zarządzanie wiedzą
  • Wzorce agentowe
  • Optymalizacja i skalowanie
  • Zwiększanie niezawodności
  • Zarządzanie stylem
  • Zabezpieczenia
  • Rozszerzanie możliwości

Od prototypu do produkcji 32 sprawdzone wzorce dla aplikacji GenAI

Wybrane bestsellery

Selling  helion.pl
nformacja o grafice AI Informacja o grafice AI Wybrane elementy graficzne tej sekcji powstały przy wsparciu AI

O autorach książki

Valliappa (Lak) Lakshmanan jest współzałożycielem i CTO firmy Obin.ai. Wcześniej pełnił funkcję dyrektora do spraw rozwiązań AI w Google. Współautor kilku książek, w tym Wzorce projektowe uczenia maszynowego. Otrzymał tytuł Fellow American Meteorological Society za pionierskie zastosowanie ML w prognozowaniu pogody.

Hannes Hapke jest głównym inżynierem uczenia maszynowego w Digits. Otrzymał tytuł Google Developer Expert w dziedzinie ML, jest członkiem Developer Advisory Board Google. Współautor książek Przetwarzanie języka naturalnego w akcji i Building Machine Learning Pipeline.

Valliappa Lakshmanan, Hannes Hapke - pozostałe książki

Helion - inne książki

Najczęściej zadawane pytania (FAQ)
1. Czego konkretnie nauczę się z tej książki o GenAI poza podstawami promptowania?
Poznasz 32 praktyczne wzorce projektowe do budowy aplikacji produkcyjnych: kontrolę stylu i formatu odpowiedzi, RAG i zarządzanie wiedzą, poprawę niezawodności, projektowanie agentów (tool calling, wykonanie kodu, współpraca wieloagentowa), optymalizację kosztu/latencji oraz wdrażanie zabezpieczeń (guardrails).
2. Czy książka pomaga przejść od prototypu do wdrożenia produkcyjnego?
Tak -- skupia się na problemach typowych dla produkcji (halucynacje, niespójność, luki w wiedzy, niezawodność) i pokazuje sprawdzone rozwiązania, kompromisy oraz kompletne przykłady kodu dla każdego wzorca.
3. Jak dużo miejsca poświęcono RAG i pracy z wiedzą zewnętrzną?
Bardzo dużo -- cały blok wzorców dotyczy RAG i indeksowania (m.in. Basic RAG, Semantic Indexing, Indexing at Scale, Deep Search, Trustworthy Generation, postprocessing węzłów), czyli tego, jak skutecznie ,,dokarmiać" model wiedzą i podnosić jakość odpowiedzi.
4. Czy znajdę tu wzorce do budowania agentów, które realnie wykonują zadania?
Tak -- są rozdziały o agentach i działaniach: wywoływanie narzędzi (Tool Calling), wykonywanie kodu (Code Execution) oraz współpraca wielu agentów (Multiagent Collaboration), a także kompozycyjne agentowe przepływy pracy.
5. Czy książka porusza temat jakości i ewaluacji odpowiedzi modeli?
Tak -- omawia wzorce podnoszące niezawodność, m.in. LLM-as-Judge, Reflection, optymalizację promptów oraz podejścia wspierające testowanie i kontrolę degradacji działania (Degradation Testing).
6. Czy będą tu też tematy optymalizacji kosztów i wydajności (latencja, skala)?
Tak -- znajdziesz wzorce dotyczące ograniczeń i skalowania, m.in. Small Language Model, Prompt Caching, Inference Optimization oraz Indexing at Scale, które pomagają projektować tańsze i szybsze rozwiązania.
7. Czy książka obejmuje bezpieczeństwo i ,,guardrails" dla aplikacji GenAI?
Tak -- jest osobny rozdział o zabezpieczeniach, w tym Self-Check i Guardrails, a także wzorce związane z kontrolą formatu i generowaniem szablonów, co ułatwia ograniczanie ryzyk i wymuszanie polityk odpowiedzi.

Zamknij

Przenieś na półkę
Dodano produkt na półkę
Usunięto produkt z półki
Przeniesiono produkt do archiwum
Przeniesiono produkt do biblioteki
Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Książka
78,69 zł
Dodaj do koszyka
Ebook
65,79 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint