Large Language Model Recipes: A Hands-On Guide to Fine-Tuning, Optimization, Deployment, and Real-World Applications

Эта книга представляет собой практическое руководство по работе с большими языковыми моделями (LLM), охватывающее полный жизненный цикл их применения — от тонкой настройки и оптимизации до развертывания и интеграции в реальные проекты. Авторы, эксперты в области искусственного интеллекта, предлагают структурированный подход к освоению современных методов работы с LLM, включая такие техники, как LoRA, QLoRA, PEFT, а также стратегии эффективного инференса и оптимизации производительности.

Книга начинается с основ: обзора ландшафта LLM, ключевых концепций и настройки рабочей среды. Затем читатель погружается в практические рецепты по тонкой настройке моделей под конкретные задачи, используя современные фреймворки и библиотеки. Особое внимание уделяется вопросам оптимизации — уменьшению размера моделей, ускорению вывода и снижению затрат на вычисления.

Вторая половина книги посвящена развертыванию LLM в продакшене: созданию API, интеграции с веб-приложениями, мониторингу и масштабированию. Авторы рассматривают реальные кейсы использования — от чат-ботов и систем анализа документов до генерации кода и персонализированных ассистентов. Каждый рецепт сопровождается кодом, диаграммами и практическими советами.

Книга предназначена для разработчиков и инженеров машинного обучения, которые уже имеют базовые знания Python и хотят научиться эффективно применять LLM в своих проектах. Она будет полезна как специалистам по данным, так и backend-разработчикам, стремящимся интегрировать возможности генеративного ИИ в свои приложения.