Designing AI Systems
Проектирование систем искусственного интеллекта — это практическое руководство, которое помогает понять, как создавать надежные, масштабируемые и управляемые ИИ‑платформы. Вместо простого подключения модели книга учит выстраивать полноценную инфраструктуру, необходимую для безопасной работы ИИ-приложений в реальных условиях.
Издание подробно раскрывает, как устроены современные ИИ‑системы и какие компоненты необходимы для их промышленной эксплуатации. Автор последовательно объясняет ключевые элементы архитектуры и показывает, как объединить их в единую AI‑платформу, способную поддерживать множество приложений и сценариев внутри организации.
Читатель выстраивает фундамент системы, начиная от универсального слоя взаимодействия с различными провайдерами моделей до инструментов безопасного выполнения действий.
Подробно рассматриваются механизмы сохранения истории взаимодействий и построения длинного контекста.
Показано, как подключать внутренние документы, базы данных и доменные знания компании к ИИ‑системе.
Отдельное внимание уделяется управлению действиями, которые может выполнять модель, а также организации безопасных и контролируемых процедур.
Каждая глава снабжена полноценными Python‑примерами, которые можно адаптировать под собственные задачи. Код формирует рабочие эталонные модули, из которых собирается завершённая AI‑платформа.
Разбираются методы оценки стоимости запросов, анализа нагрузки и оптимизации использования моделей.
Показано, как измерять производительность ИИ-приложений, отслеживать ошибки и обеспечивать стабильность при росте нагрузки.
Материал ориентирован на инженеров‑программистов, платформенных специалистов и технических архитекторов, которые занимаются созданием и масштабированием ИИ‑систем. Требуется уверенное знание Python и понимание базовых принципов архитектуры ПО.
Dewang Sultania — старший инженер по машинному обучению в Netflix, где разрабатывает масштабируемые системы для мультимодального генеративного ИИ, диффузионных моделей и обработки видео. Ранее в Adobe он создавал промышленные решения для больших языковых моделей, включая пайплайны данных, дообучение, системы с извлечением информации и промпт-инжиниринг, а также участвовал в разработке платформенной инфраструктуры для внедрения LLM в продукты комп
Suhas Suresha — старший инженер по машинному обучению в Adobe, где занимается разработкой масштабируемых платформ генеративного ИИ, охватывающих полный цикл машинного обучения. Ранее он стал сооснователем компании QALY, в рамках которой участвовал во внедрении моделей анализа ЭКГ в реальном времени для более чем 100 000 пользователей. Он имеет степень магистра в области вычислительной и прикладной математики, полученную в Стэнфордском университет
