大語言模型工程師手冊：從概念到生產實踐

AI技術已取得飛速發展，而大語言模型（LLM）正在引領這場技術革命。本書基於MLOps最佳實踐，提供了在實際場景中設計、訓練和部署LLM的原理與實踐內容。本書將指導讀者構建一個兼具成本效益、可擴展且模組化的LLM Twin系統，突破傳統Jupyter Notebook演示的局限，著重講解如何構建生產級的端到端LLM系統。本書涵蓋數據工程、有監督微調和部署的相關知識，通過手把手地帶領讀者構建LLM Twin專案，幫助讀者將MLOps的原則和組件應用於實際專案。

同時，本書還涉及推理優化、偏好對齊和即時數據處理等進階內容，是那些希望在專案中應用LLM的讀者的重要學習資源。閱讀本書，讀者將熟練掌握如何部署強大的LLM—既能解決實際問題，又能具備低延遲和高可用的推理能力。無論是AI領域的新手還是經驗豐富的從業者，本書提供的深入的理論知識和實用的技巧，都將加深讀者對LLM的理解，並提升讀者在真實場景中應用它們的能力。

保羅·尤斯廷（Paul Iusztin），資深機器學習工程師，在生成式 AI、計算機視覺和 MLOps 領域擁有超 7 年的實戰經驗。曾在 Metaphysic 擔任核心工程師，專注于將大型神經網路推向生產環境。

馬克沁·拉博納（Maxime Labonne）Liquid AI 的後訓練負責人，擁有巴黎理工學院機器學習博士學位，並獲得穀歌人工智慧與機器學習領域（AI / ML）開發者專家認證。作為開源社區的活躍貢獻者，在 GitHub 上開設了LLM 課程，開發了 LLM Aut。