Ia Generativa En Aws

Las empresas de hoy en día avanzan rápidamente para integrar la inteligencia artificial generativa en sus
productos y servicios.
Hay mucha agitación (y también malentendidos) sobre el impacto y la promesa de esta tecnología. Con
este libro, Chris Fregly, Antje Barth y Shelbee Eigenbrode, de Amazon Web Services, le ayudarán a
encontrar formas prácticas de usar esta tecnología tan nueva y atractiva.
Gracias a IA generativa en AWS, descubrirá el ciclo de vida de los proyectos de IA generativa, que incluye
la definición de casos de uso, la selección y el ajuste de los modelos, la gene ración mejorada por
recuperación, el aprendizaje por refuerzo a partir de la retroalimentación humana y la cuantificación, la
optimización y el despliegue de los modelos. Además, explorará diferentes tipos de modelos, incluidos los
modelos de lenguaje grandes (LLM) y los multimodales, como Stable Diffusion para generar imágenes y
Flamingo/IDEFICS para responder preguntas sobre imágenes.
Asimismo, con esta lectura:
• Utilizará la IA generativa en los casos de uso de negocio
• Determinará qué modelos de IA generativa son los más adecuados para su tarea
• Desarrollará ingeniería de indicaciones y aprendizaje en contexto
• Afinará los modelos de IA generativa con los conjuntos de datos con adaptación de rango bajo
(LoRA)
• Alineará los modelos de IA generativa con los valores humanos con el aprendizaje por refuerzo a
partir de la retroalimentación humana (RLHF)
• Perfeccionará el modelo con la generación mejorada por recuperación (RAG)
• Explorará bibliotecas como LangChain y ReAct para desarrollar agentes y acciones
• Creará aplicaciones de IA generativa con Amazon Bedrock

AUTORES
Chris Fregly; Antje Barth; Shelbee Eigenbrode

CONTENIDO
Capítulo 1.
Casos de uso de IA generativa, fundamentos y
ciclo de vida del proyecto. 1
Capítulo 2.
Ingeniería de indicaciones y aprendizaje en
contexto. 15
Capítulo 3.
Modelos de lenguaje grandes básicos. 35
Capítulo 4.
Optimizaciones de memoria y cálculo. 55
Capítulo 5.
Ajuste fino y evaluación. 79
Capítulo 6.
Ajuste fino con parámetros eficientes. 95
Capítulo 7.
Ajuste fino con aprendizaje por refuerzo a partir
de la retroalimentación humana. 111
Capítulo 8.
Optimización de la puesta en marcha de los
modelos. 137
Capítulo 9.
Aplicaciones de razonamiento sensibles al
contexto usando RAG y agentes. 155
Capítulo 10.
Modelos básicos multimodales 195
Capítulo 11.
Generación controlada y ajuste fino con Stable
Diffusion 235
Capítulo 12.
Amazon Bedrock: servicio gestionado para IA
generativa. 253