Tác Giả Chip Huyen

Kỹ Thuật AI - Xây Dựng Ứng Dụng Với Mô Hình Nền Tảng

Kỹ thuật AI: Xây dựng ứng dụng với Mô hình Nền tảng (AI Engineering: Building Applications with Foundation Models)

Cuốn sách Kỹ thuật AI: Xây dựng ứng dụng với Mô hình Nền tảng của tác giả Huyền Chip (Chip Huyen) là tài liệu chuyên sâu và toàn diện đầu tiên tập trung vào lĩnh vực AI Engineering (Kỹ thuật Trí tuệ Nhân tạo) trong kỷ nguyên của các Mô hình Nền tảng (Foundation Models) và AI Tạo sinh (Generative AI).

Trong bối cảnh AI đang bùng nổ, việc xây dựng các ứng dụng AI thành công không chỉ dừng lại ở việc phát triển mô hình. Cuốn sách này lấp đầy khoảng trống kiến thức quan trọng đó bằng cách đi sâu vào:

Các thách thức thực tế: Phân tích những rủi ro và thất bại tiềm ẩn khi làm việc với các mô hình nền tảng như LLMs (mô hình ngôn ngữ lớn), bao gồm hiện tượng "ảo giác" (hallucinations) và tính không nhất quán.

Kỹ thuật triển khai cốt lõi: Cung cấp các phương pháp, kiến trúc và quy trình thực tiễn để xây dựng, tối ưu hóa và vận hành các hệ thống AI sử dụng mô hình nền tảng một cách hiệu quả, có khả năng mở rộng và bền vững trong môi trường sản xuất (Production).

Đạo đức và Trách nhiệm: Đặt ra các vấn đề quan trọng về đạo đức, tính công bằng và bảo mật dữ liệu, giúp độc giả triển khai AI một cách có trách nhiệm và minh bạch.

Tác giả Huyền Chip là một chuyên gia hàng đầu, từng làm việc tại NVIDIA, Netflix, và Stanford, mang đến góc nhìn sâu sắc và kinh nghiệm thực chiến từ Thung lũng Silicon.

Đối tượng độc giả thiết yếu

- Kỹ sư AI/Kỹ sư Học máy (AI/ML Engineers) và Kỹ sư MLOps.

- Khoa học gia Dữ liệu (Data Scientists) và Nhà phát triển (Developers) muốn đưa ứng dụng AI ra thực tế.

- Lãnh đạo/Quản lý sản phẩm (Product Managers/Tech Leads) chịu trách nhiệm về chiến lược và triển khai AI.

Cuốn sách này được kỳ vọng sẽ trở thành cẩm nang không thể thiếu cho cộng đồng công nghệ Việt Nam, thúc đẩy mạnh mẽ quá trình thương mại hóa và ứng dụng hiệu quả công nghệ AI tiên tiến vào thực tiễn kinh doanh và đời sống.

TÓM TẮT CHƯƠNG

Chương 1: Giới thiệu về xây dựng ứng dụng AI với các mô hình nền tảng

Chương 2: Tìm hiểu về các mô hình nền tảng

Chương 3: Phương pháp đánh giá

Chương 4: Đánh giá hệ thống AI

Chương 5: Kỹ thuật nhắc lệnh

Chương 6: Rag và Agents

Chương 7: Tinh chỉnh

Chương 8: Kỹ thuật dữ liệu

Chương 9: Tối ưu hoá suy luận

Chương 10: Kiến trúc kỹ thuật AI và phản hồi người dùng

TÁC GIẢ

Chip Huyen là một tác giả viết sách và nhà khoa học máy tính chuyên về hệ thống học máy (ML systems). Cô từng làm việc tại NVIDIA, Snorkel AI, sáng lập một startup hạ tầng AI (sau này được mua lại), và giảng dạy hệ thống ML tại Đại học Stanford.

Cuốn sách này đúc kết kinh nghiệm của cô trong việc giúp các tổ chức lớn và các startup tận dụng AI cho các giải pháp thực tiễn. Cuốn sách Designing Machine Learning Systems năm 2022 của cô là sách bán chạy nhất về AI trên Amazon và đã được dịch sang hơn 10 ngôn ngữ.

Cô cũng là tác giả của bốn cuốn sách bán chạy tại Việt Nam, bao gồm series Xách ba lô lên và đi

Thiết Kế Hệ Thống Học Máy - Designing Machine Learning Systems

Các hệ thống học máy (ML) vừa phức tạp vừa độc đáo. Phức tạp vì chúng cấu thành từ nhiều thành phần khác nhau và cần tới nhiều bên liên quan khác nhau. Độc đáo vì chúng phụ thuộc vào dữ liệu, với dữ liệu có thể thay đổi rất lớn tùy vào từng trường hợp sử dụng cụ thể. Trong cuốn sách này, bạn sẽ học được một cách tiếp cận toàn diện để thiết kế các hệ thống học máy đáng tin cậy, có khả năng mở rộng, dễ bảo trì và thích ứng với các môi trường và yêu cầu kinh doanh thay đổi.

Tác giả Chip Huyen, đồng sáng lập Claypot Al, xem xét từng quyết định thiết kế – chẳng hạn làm cách nào xử lý và tạo dữ liệu huấn liệu, cần sử dụng những đặc trưng nào, tần suất huấn luyện lại mô hình là bao nhiêu và cần giám sát những gì – để cân nhắc làm sao giúp hệ thống của bạn đạt được các mục tiêu tổng thể. Framework lặp trong cuốn sách này sử dụng các nghiên cứu tình huống thực tế kèm theo nguồn tham khảo phong phú.

Cuốn sách này sẽ giúp bạn giải quyết các kịch bản như:

- Xử lý kỹ thuật dữ liệu và lựa chọn các độ đo phù hợp để giải quyết vấn đề kinh doanh.

- Tự động hóa quy trình phát triển, đánh giá, triển khai và cập nhật mô hình một cách liên tục.

- Phát triển hệ thống giám sát để nhanh chóng phát hiện và giải quyết những vấn đề mà mô hình của bạn có thể gặp phải trong môi trường production.

- Kiến thiết một nền tảng ML phục vụ hàng loạt trường hợp sử dụng.

- Phát triển các hệ thống ML có trách nhiệm.