Bli med inn i LLMs verden med denne praktiske guiden som tar deg fra de grunnleggende prinsippene til implementeringen av avanserte applikasjoner ved hjelp av LLMOps beste praksis. Denne boken gir deg muligheten til å bygge og forbedre LLMs steg for steg, med fokus på datatilberedning, RAG og finjustering. Du vil lære sentrale ferdigheter for distribusjon og overvåking av LLMs, noe som sikrer optimal ytelse i produksjon. Gjennom boken får du innsikt i hvordan du kan utnytte preferansejustering, evaluering og inferensoptimalisering for å forbedre ytelsen og tilpasningsevnen til LLM-applikasjonene dine. Med raske fremskritt innen kunstig intelligens har store språkmodeller (LLMs) blitt sentrale i denne utviklingen. Denne LLM-boken gir verdifull innsikt i design, trening og distribusjon av LLMs i virkelige scenarier, ved å benytte MLOps beste praksis. Guiden tar deg gjennom prosessen med å bygge en LLM-drevet tvilling som er kostnadseffektiv, skalerbar og modulær. Den går utover isolerte Jupyter-notatbøker og fokuserer på hvordan man kan bygge produksjonsklare end-to-end LLM-systemer.
