À retenir
- Ce livre offre des insights pratiques et des applications concrètes, notamment sur les systèmes RAG et l’ingénierie de prompts.
- Il commence par expliquer simplement ce qu’est un LLM, puis vous présente une brève histoire du NLP jusqu’à l’état le plus récent de la technologie en IA.
- « Building LLMs for Production: Enhancing LLM Abilities and Reliability with Prompting, Fine-Tuning, and RAG » est maintenant disponible sur Amazon !
Je suis super fier de vous parler d’un projet très spécial sur lequel nous travaillons chez Towards AI depuis 1,5 an avec une douzaine de diplômés et d’experts du domaine… notre nouveau et tout premier livre : Building LLMs for Production (ou procurez-vous le livre numérique ici. Vous pouvez m’écrire en privé pour obtenir un bon rabais !) !
L’une des raisons pour lesquelles j’ai quitté mon doctorat en IA était de construire des solutions pratiques qui aideraient les autres dans le monde réel et amélioreraient ce qui existe. Même si j’adore le monde universitaire, quand je suis entré pour la première fois dans l’univers des startups, j’ai eu l’impression de ne plus rien savoir. Je devais comprendre les problèmes liés aux applications concrètes de l’IA et construire des solutions. Pas seulement de la recherche, mais de vrais modèles, de vrais produits et de vraies personnes qui les utilisent. Mais voilà : comprendre ces défis n’est que la première étape. Pour le « comment », vous devez plonger dans le code, l’architecture, les modèles, les APIs, les déploiements, les essais et erreurs, ainsi que la grande variété de frameworks complexes. Dans une startup, vous n’avez pas le temps de réinventer la roue ! Nous avons donc rassemblé tout ce sur quoi nous avons travaillé, et tous les outils avec lesquels nous avons travaillé, dans ce livre de 470 pages consacré aux LLMs et à la façon de les utiliser. Aujourd’hui, cela signifie travailler avec LlamaIndex, LangChain, Activeloop et d’autres outils extraordinaires du même genre. Mais nous croyons que le livre enseigne aussi des concepts qui resteront pertinents longtemps, même si les LLMs s’améliorent, comme la réduction des hallucinations, la façon de travailler avec eux et de les utiliser, de la théorie intéressante, des conseils et plus encore.
Bien sûr, j’ai fait une vidéo qui présente le livre plus en détail si vous êtes curieux :
p.-s. La seule compétence requise pour le livre est une certaine connaissance de Python (ou de la programmation).
« Building LLMs for Production: Enhancing LLM Abilities and Reliability with Prompting, Fine-Tuning, and RAG » est maintenant disponible sur Amazon ! Nous sommes aussi sur Goodreads sous le même nom. Si vous voulez nous soutenir gratuitement, laissez-y une évaluation.
Procurez-vous le livre maintenant et dites-nous ce que vous en pensez : https://amzn.to/4bqYU9b (ou procurez-vous le livre numérique ici. Vous pouvez m’écrire en privé pour obtenir un bon rabais !)
Voici quelques témoignages de nos premiers lecteurs pour vous donner une meilleure idée du contenu de ce livre :
« C’est le manuel le plus complet à ce jour sur la construction d’applications basées sur les LLMs. Il aide les apprenants à tout comprendre, des notions fondamentales aux composantes simples et avancées servant à construire des applications de LLMs. Les sujets pratiques comprennent le prompting, le RAG, les agents, le fine-tuning et le déploiement, tous des éléments essentiels de la boîte à outils d’un ingénieur en IA. »
- Jerry Liu , cofondateur et PDG de LlamaIndex
« Ce livre vous aidera, vous ou votre entreprise, à tirer le meilleur parti des LLMs. Ce livre a été un guide incroyable pour apprendre à exploiter les modèles et librairies d’IA à la fine pointe afin de construire des outils robustes qui réduisent les écueils de la technologie actuelle. Il vous mène de la théorie jusqu’à l’application avec d’excellents exemples pratiques tout au long du parcours. C’est une lecture incontournable pour toute personne qui veut construire un produit basé sur un LLM. »
- Ken Jee, responsable de la science des données et animateur de balado (Ken’s Nearest Neighbors, Exponential Athlete)
« Pour quiconque souhaite commencer avec les LLMs et tout ce qui les accompagne, ce livre est pour vous. Il commence par expliquer simplement ce qu’est un LLM, puis vous présente une brève histoire du NLP jusqu’à l’état le plus récent de la technologie en IA. La grande variété de sujets, couverts avec des exemples faciles à comprendre, aidera tous les lecteurs et développeurs à connaître la théorie derrière les LLMs, l’ingénierie de prompts, le RAG, les plateformes d’orchestration et plus encore. Je recommande fortement ce livre. »
- Sonam Gupta, Ph. D., Developer Advocate, scientifique des données expérimentée, titulaire d’un doctorat en science des données et animatrice de balado
« Ce manuel explore non seulement les aspects essentiels des LLMs, y compris leur histoire et leur évolution, mais il donne aussi aux ingénieurs en IA du futur les outils et les techniques qui les démarqueront de leurs pairs. Vous aimerez plonger dans des sujets difficiles et importants comme l’ingénierie de prompts, l’IA agentique, le SFT, le RLHF, la quantification et plus encore, avec l’aide du code, afin de mieux comprendre ce qu’il faut pour développer des LLMs, faire leur fine-tuning et les déployer dans différents environnements. »
- Greg Coquillo, chef de produit en IA et LinkedIn Top Voice
« Ce livre est la présentation la plus approfondie des LLMs que j’ai trouvée. Une excellente introduction pour les nouveaux venus et une référence précieuse pour les praticiens expérimentés. »
- Shaw Talebi, fondateur de The Data Entrepreneurs, formateur et conseiller en IA
« Une lecture incontournable pour développer des applications de LLMs destinées aux clients. Le manuel de facto de l’ingénierie IA. Ce livre offre des insights pratiques et des applications concrètes, notamment sur les systèmes RAG et l’ingénierie de prompts. Sérieusement, procurez-vous-le. »
- Ahmed Moubtahij, ing., scientifique NLP et ingénieur ML
« Les livres deviennent rapidement obsolètes dans le domaine de l’IA, qui évolue sans cesse. Il est donc rare de pouvoir mettre la main sur un livre qui offre les plus récents insights sur les grands modèles de langage (LLMs). Ce livre est un guide complet, avec du code, qui couvre tous les éléments importants : des bases de l’architecture au prompting, au fine-tuning, à l’augmentation par récupération, à la construction d’agents et au déploiement des LLMs. »
- Letitia Parcalabescu, doctorante en NLP et YouTubeuse
« Une ressource complète et équilibrée qui couvre tous les fondements des LLMs avec un juste équilibre entre la théorie et le code. L’IA est un domaine qui évolue rapidement et de nombreuses ressources sont publiées chaque jour. Pourtant, c’est un livre auquel je reviendrai encore et encore, peu importe l’évolution de l’IA. Même si je m’endors habituellement en lisant des livres, celui-ci contient du code et des exemples qui peuvent expliquer les choses façon ELI5, et c’est très important, alors c’est motivant. »
- Tina Huang, fondatrice de Lonely Octopus, YouTubeuse, ex-Meta
FAQ
Que couvre La boîte à outils de l’ingénieur en IA ?
Le livre porte sur la construction de systèmes LLM en production avec le prompting, le fine-tuning, le RAG, la fiabilité et des applications pratiques.
À qui s’adresse ce livre ?
Il s’adresse aux builders qui veulent passer des démonstrations de modèles à des applications fiables basées sur les modèles de langage.
Pourquoi le livre aborde-t-il le RAG ?
Le RAG connecte un modèle à des connaissances externes pertinentes et améliore son ancrage sans avoir à réentraîner le modèle complet.
En quoi le fine-tuning diffère-t-il du prompting ?
Le prompting fournit des instructions au moment de l’exécution, tandis que le fine-tuning modifie le comportement du modèle avec des exemples d’entraînement supplémentaires.
Où les lecteurs peuvent-ils trouver le livre ?
Building LLMs for Production est disponible sur Amazon et s’accompagne d’une vidéo qui explique son contenu.