Инжиниринг искусственного интеллекта

1. Инжиниринг искусственного интеллекта 2. КНИГА 1. Инженерия LLM: от токена до двойника 3. ГЛАВА 1. КАК РАБОТАЕТ ГЕНЕРАТИВНАЯ ЯЗЫКОВАЯ МОДЕЛЬ: ОТ ЗАПРОСА К ОТВЕТУ 4. 1.2 Эмбеддинги 5. 1.3 Позиционное кодирование (Positional Encoding) 6. 1.4 Механизм самовнимания (Self‑Attention) 7. 1.5 Трансформерные блоки (Transformer Blocks) 8. 1.6 Выходной слой и генерация 9. 1.7 Галлюцинации: когда модель уверенно врёт 10. РЕЗЮМЕ ГЛАВЫ 1 11. ГЛАВА 2. ТИПЫ АРХИТЕКТУР НЕЙРОСЕТЕЙ 12. 2.2 RNN (Recurrent Neural Network / Рекуррентнаянейросеть) 13. 2.3 LSTM (Long Short‑Term Memory / Долгаякраткосрочнаяпамять) 14. 2.4 GRU (Gated Recurrent Unit / Рекуррентный блок с вентилями) 15. 2.6 MoE (Mixture of Experts / Смесь экспертов) 16. 2.7 Diffusion Models (Диффузионные модели) 17. РЕЗЮМЕ ГЛАВЫ 2 18. 3.1 Pre‑training (Предварительное обучение) 19. 3.2 SFT - Supervised Fine‑Tuning (Дообучение с учителем) 20. 3.4 Этика и «красные линии»: чью мораль вшивают в модель? 21. РЕЗЮМЕ ГЛАВЫ 3 22. 4.2 GQA - Grouped Query Attention (Групповое внимание по запросам) 23. 4.4 MTP - Multi‑Token Prediction (Предсказание нескольких токенов) 24. 4.7 Квантизация: как сжать модель без убийства качества 25. Вопросы для самопроверки 26. 5.2 Выводы: как выбирать модель 27. 5.4 Вычислительная инфраструктура: почему LLM «едят» память, а не процессор 28. 5.5 MLOps: как превратить модель в работающий сервис 29. 5.6 Безопасность LLM: как не выпустить джинна из бутылки 30. РЕЗЮМЕ К ГЛАВЕ 5 31. ГЛАВА 6. ПЕРСПЕКТИВНЫЕ АРХИТЕКТУРЫ: ОТ МОНОЛИТА К ОРКЕСТРУ 32. 6.3 Аналогия с микросервисной архитектурой 33. 6.6 Агентные системы 34. РЕЗЮМЕ К ГЛАВЕ 6 35. 7.3 Архитектура двойника (три уровня) 36. 7.4 Сценарий: утро с двойником 37. РЕЗЮМЕ К ГЛАВЕ 7 38. 2. КЛЮЧЕВЫЕ МЫСЛИ КНИГИ 1 39. 3. ИСТОРИЯ РАЗВИТИЯ НЕЙРОСЕТЕЙ: ОТ МЕЧТЫ К ПОВСЕДНЕВНОСТИ 40. 4. МНОГОЯЗЫЧНЫЕ МОДЕЛИ: КАК ОДИН ТРАНСФОРМЕР МОЖЕТ ГОВОРИТЬ НА ВСЕХ ЯЗЫКАХ 41. 5. ПРАКТИЧЕСКИЕ ПРИМЕРЫ: (псевдо-)КОД И ИНСТРУКЦИИ 42. 6. ГЛУБИННЫЕ ВОПРОСЫ: то, что осталось за кадром 43. ГЛОССАРИЙ 44. ЗАКЛЮЧЕНИЕ 45. ГЛАВА А. AI-АГЕНТЫ: ОТ ПРОТОТИПА К PRODUCTION 46. А.2 Архитектурные паттерны агентов 47. А.3 Инструментарий разработчика 48. А.5 Надежность, безопасность и будущее агентов (сводная глава) 49. Вопросы для самопроверки 50. Б.2 Распределённый тренинг 51. Б.4 Промпт-инжиниринг и структурированные выходы 52. Б.5 Оценка и бенчмаркинг LLM 53. Б.7 Инференс и сервинг 54. Б.9 Безопасность и выравнивание (Alignment) 55. Б.11 No - code / low - code платформы для оркестрации ИИ 56. ГЛАВА В. КАРТА КОМПЕТЕНЦИЙ AI-ПРОДАКТА 57. B.3 Техническая грамотность (без углубления в код) 58. B.6 Управление ИИ-продуктом (AI PDLC): Какорганизовать команду и процесс 59. Вопросы для самопроверки 60. Г.2 От текста к картинкам: Vision Transformer (ViT) 61. Г.4 Как устроены мультимодальные LLM (LLaVA, GPT-4V, Gemini) 62. Г.8 Архитектурные паттерны для мультимодальных приложений 63. ГЛАВА Д. ГОЛОСОВЫЕ АССИСТЕНТЫ: ASR, TTS И КОНВЕЙЕРЫ 64. Д.4 TTS: как компьютер говорит 65. Д.8 Будущее голосовых ассистентов 66. Е.1 Проблема: нейросеть не возвращает 2+2 67. Е.2 Три слоя тестирования (Пирамида для LLM) 68. Е.5 Регрессионное тестирование: библиотека nightmare 69. ГЛАВА Ж. ЦИФРОВАЯ ЛОВУШКА: КАК ИИ УГЛУБЛЯЕТ САМООБМАН 70. Ж.4 «А если я пошутил?» Почему модель не отличает комплимент от насмешки 71. Ж.8 Что это значит для инженера (строящего такие системы) 72. Вопросы для самопроверки 73. ПРИЛОЖЕНИЯ 74. 2. КАК ОТЛИЧИТЬ ТЕКСТ, СГЕНЕРИРОВАННЫЙ LLM, ОТ ЧЕЛОВЕЧЕСКОГО 75. 4. КАК ВНЕДРИТЬ LLM В БИЗНЕСЕ: ЧЕК-ЛИСТ ДЛЯ ДИРЕКТОРА ПРОЕКТА 76. 4.4 Управление изменениями: как работать с сопротивлением 77. 4.7 Итог: чек-листготовности Директора проекта 78. 6. EDGE LLM: КОГДА ИИ ЖИВЁТ У ВАС В КАРМАНЕ 79. ГЛОССАРИЙ 80. ЗАКЛЮЧЕНИЕ