Benefícios exclusivos para professores e estudantes. Saiba Mais

Minha lista

Minha lista
de desejos

Carrinho0

Minhas compras

Itens
  • Seu carrinho está vazio :(
Finalizar pedidocontinuar comprando
Todas as Áreas
Editora:
Seu projeto com LLMs funciona no notebook, mas não chega à produção? Manual do Engenheiro de LLM mostra, de forma prática, como projetar, treinar e implantar grandes modelos de linguagem (LLMs) em cenários reais com boas práticas de MLOps e LLMOps. O livro ensina a desenvolver sistemas escaláveis, modulares e preparados para ambientes de produção.
Ver descrição completa
Zoom na imagemSumárioDegustação

Manual do engenheiro de LLM - Impresso

Selecione um formato:
  • Capítulos

    Selecionar capítulos
    • Talk

      Selecionar talks

      À vista por (-3% no depósito ou PIX)

      comprar

      De: R$ 190,00Por: R$ 171,00X de no cartão

      Economia de R$ 19,00

      À vista por (-3% no depósito ou PIX)

      Opções de Parcelamento:
      • à vista R$ 171,00
      • 2X de R$ 85,50 no cartão sem juros
      Outras formas de pagamento
      Estoque máximo!
      Comprar

      Calcular a entrega para impresso

      Alterar
      Não sei meu CEP
      EntregaFretePrazo
      Fazer um protótipo com LLM é relativamente simples. Colocá-lo em produção com dados confiáveis, inferência otimizada e monitoramento é outro desafio. Este livro percorre esse caminho completo, do pipeline de dados à implantação.

      Os autores reúnem experiência prática em inteligência artificial generativa. Paul Iusztin é engenheiro sênior de ML e MLOps e fundador da Decoding ML, plataforma educacional voltada a aplicações reais de machine learning. Maxime Labonne é Head of Post-Training na Liquid AI, doutor em Machine Learning pelo Instituto Politécnico de Paris e Google Developer Expert em IA/ML. Também é autor de Hands-On Graph Neural Networks Using Python.

      Com essa experiência, os dois mostram como construir pipelines de dados, fazer fine-tuning (ajuste fino) supervisionado com LoRA e QLoRA, avaliar modelos e aplicar técnicas de alinhamento às preferências humanas.

      O livro também aborda RAG (Retrieval-Augmented Generation), com pipelines de features e de inferência. Além disso, traz técnicas para otimizar a inferência, processamento em tempo real e orquestração e monitoramento de prompts. Os exemplos usam ferramentas do mercado, como Hugging Face, MongoDB, Qdrant e AWS.

      É indicado para engenheiros de software interessados em migrar para projetos de inteligência artificial, engenheiros de machine learning, cientistas de dados e profissionais de IA generativa que desejam desenvolver soluções com LLMs de forma eficiente e confiável.

      Especificação

      AutorPaul Iusztin e Maxime Labonne
      Sobre o AutorPAUL IUSZTIN é engenheiro sênior de ML e MLOps, com experiência em IA generativa, visão computacional e sistemas de ML em produção. Atuou na Metaphysic, CoreAI, Everseen e Continental, e é fundador da Decoding ML, plataforma educacional focada em aplicações reais de machine learning. MAXIME LABONNE é Head of Post-Training na Liquid AI, doutor em Machine Learning pelo Instituto Politécnico de Paris e Google Developer Expert em IA/ML. Contribui ativamente para a comunidade open source com cursos, ferramentas e modelos de IA, além de ser autor do best-seller Hands-On Graph Neural Networks Using Python.
      SumárioSumario
      DegustaçãoDegustacao
      Páginas470
      Sub-Títulodomine a arte da engenharia de grandes modelos de linguagem
      ISBN978-85-212-3347-3
      Publicação2026
      Formato16 x 23 cm
      EncadernaçãoBrochura
      Edição1

      Lançamento

      Títulos Relacionados

      Nós utilizamos cookies para melhorar sua experiência no site. Ao continuar navegando,
      você está de acordo com as nossas políticas de utilização de cookies.


      Carregando...