本书是专注于如何在AWS上开发和应用生成式AI的实用指南，旨在为技术领导者、机器学习实践者、应用开发者等提供深入了解和应用生成式AI的策略与方法。
本书首先介绍了生成式AI的概念及其在产品和服务中的应用潜力，然后详细阐述了生成式AI项目的完整生命周期。作者探讨了多种模型类 型，如大语言模型和多模态模型，并提供了通过提示工程和上下文学习来优化这些模型的实际技巧。此外，本书讨论了如何使用LoRA技术对模型进行微调，以及如何通过RLHF使模型与人类价值观对齐。书中还介绍了RAG技术，以及如何利用LangChain和ReAct等开发agent。最后，本书介绍了如何使用Amazon Bedrock构建基于生成式AI的应用程序。基于该强大的平台，读者可以实现自己的创新想法。
本书适合对生成式AI感兴趣的学生和研究人员、在AWS上开发AI应用程序的软件开发人员和数据科学家、寻求利用AI技术优化业务流程的企业决策者以及对技术趋势保持好奇心的科技爱好者阅读。
专业书评：
当前，生成式AI领域的发展日新月异，即便是对从业者来说，新的技术名词也可能让他们应接不暇。这本书不仅详细介绍了众多前沿技术名词及其应用场景，而且提供了一条清晰的路径。这条路径可以帮助任何对此感兴趣的读者整合应用这些技术，以构建完整的端到端应用程序，而不仅仅是停留在理论学习的层面。对希望将AI技术应用到实际场景中的从业者而言，这本书无疑是一份极具价值的资源，它能帮助他们在AI技术的落地应用方面取得实质性的进展。
——贾扬清，Lepton AI创始人兼CEO
这本书广泛且深入地覆盖了生成式AI的基础概念、核心理论与前沿实践。从基础知识出发，步步深入至模型的训练、微调和部署，直至创新应用的各个阶段。它不仅为生成式AI领域的初学者铺设了一条系统的学习路径，帮助他们构建了对这一复杂技术领域的宏观视野，而且为希望在AWS上构建可扩展的高性能生成式AI产品的从业者提供了深度洞察与实操指南。这本书兼具理论深度与实践广度，对AI研发工程师、产品经理、营销策划师以及企业领导者来说，是一份不可多得的学习资料。
——王小川，百川智能创始人兼CEO
这本书获得了AWS、Meta等科技巨头资深人士和行业专家的高度评价。中文版的面世将有助于开发者更深入地学习和理解生成式AI。作为一份理论与实践并重、视野开阔、内容丰富的生成式AI实战指南，这本书为读者开发生成式AI应用程序提供了坚实的基础和指导。它不仅阐释了生成式模型、提示工程等基本概念，而且系统讲解了大语言模型及其在Amazon SageMaker上的应用。书中深入探讨了多种类型的微调技术细节，可以帮助读者构建上下文感知的跨模态（文本、图像等）生成式AI应用程序。作者巧妙地将理论知识、实践代码与真实案例相结合，为希望在AWS上构建和部署生成式AI应用程序的读者——无论是AI工程师、数据科学家还是产品经理，无论是初学者还是领域专家——提供了一条构建理想生成式AI解决方案的有效路径。
——周明，澜舟科技创始人兼CEO，微软亚洲研究院原副院长
如今，大语言模型企业决胜的关键点不仅在于谁能夯实基础、系统布局，更在于谁能将大语言模型与业务场景有效结合，用好大语言模型，让其真正产生价值。这本书堪称理解和应用生成式AI的优秀资源，其中不仅包含翔实的技术细节，更有丰富的实际案例和实用技巧。对希望在AWS平台上构建生成式AI应用程序的行业人士而言，这本书具有极高的参考价值。
——霍太稳，极客邦科技创始人兼CEO
生成式AI让人类迎来了科技变革最大的周期，这场变革比移动互联网与云计算所带来的变革都要剧烈。开发者的创造力和生产力预计将实现十倍速的提升，创造出此前难以想象的各种丰富多彩的应用。在这巨变之中，庞杂的信息扑面而来。这本书由浅入深地阐释了生成式AI的基础知识、示例，以及关键技术、工程技巧与实践，对开发者来说是一本值得阅读的佳作，有助于他们掌握前沿技术。
——蒋涛，CSDN创始人兼董事长，中国开源软件推进联盟副主席
当大家都在热烈讨论大语言模型和AIGC时，如何让这些先进技术尽快落地，并深度服务于商业和社会，已成为新的巨大挑战。作者在这本书中深入分析了如何构建这些前沿的生成式模型，并分享了宝贵的实践经验，旨在指导你如何选择现有的生成式模型或从头开始构建一个新模型。
——刘湘明，钛媒体联合创始人
生成式AI领域发展迅速，涉及的知识庞杂而丰富。这本书介绍了生成式AI的诸多基本概念和定义，有助于初学者对这一热门领域建立一个较为全面的认知。
特别值得一提的是，书中还增加了对AWS相关技术的介绍与讲解。在生成式AI领域，AWS可以提供先进的模型、工具和服务，其用户群体遍布国内各行各业。对于想要深入了解AWS技术或在AWS平台上进行实践的读者，这本书提供了针对性的指导和帮助。
——孟鸿，量子位创始人兼CEO
这是一本颇具趣味的实战指南，适合国内生成式AI开发者、科技发烧友，以及那些计划利用AI技术优化业务流程的企业决策者阅读，是一本实用的工具书。这本书图文并茂，从行文上体现了生成式AI“越智能越傻瓜，越智能越简便”的技术精髓。尽管人工智能领域顶级研究人员的培养至关重要，但普惠型入门级人才的阶梯式培养也同样迫切。
——谢丽容，《财经》杂志副主编
目前，生成式AI已经成为人工智能最重要的发展方向之一。相关研究者和工程师需要不断学习和掌握这个方向的前沿研究、技术发展和工程落地。这本书由专业人士精心创作，系统地介绍了生成式AI的相关基础概念及工程实践方法，并提供了宝贵的实践经验和翔实的操作指南。相信这本书会为技术从业者带来实际价值。同时，对于非技术背景的AI从业者，这也是一本非常合适的入门教程。
——赵云峰，机器之心创始人
我对这本书的出版感到非常兴奋——它很好地融合了重要的背景知识、理论信息及详细的实践代码和深入讲解。我很喜欢阅读它，相信你也会喜欢！你将从基础开始掌握生成式基础模型、提示工程等，循序渐进地学习大语言模型，并了解如何通过Amazon SageMaker使用它们。在掌握基础知识后，你将会了解多种类型的微调，之后深入这本书的核心部分，学习构建能够执行基于上下文推理的应用程序，这些应用程序具有使用不同模态（包括文本和图像）的生成式模型的能力。
——Jeff Barr，AWS副总裁兼首席布道师
这本书展示了在AWS上构建基于生成式AI的解决方案的相关资源。Chris、Antje和Shelbee通过真实世界的示例出色地介绍了大语言模型和多模态模型的关键概念、可能遇到的挑战和实践。这是一本符合时代需求的图书，可加速你从概念到产品构建生成式AI解决方案的过程。
——Geeta Chauhan，Meta应用人工智能主管
在开发和部署生成式AI应用程序的过程中，许多复杂的决策点共同决定了应用程序能否生成高质量的输出，以及能否以经济高效、可扩展和可靠的方式运行。这本书揭开了底层技术的神秘面纱，并提供了详细指导，可以帮助读者理解和做出决策，并最终成功开发生成式AI应用程序。
——Brent Rabowsky，AWS高级经理，人工智能/机器学习专家解决方案架构师
找到一本涉及模型开发和部署端到端过程的图书很难！如果你是机器学习从业者，这本书值得你拥有！
——Alejandro Herrera，Snowflake数据科学家
这本书深入探讨了如何构建和使用生成式AI应用程序。它涵盖生成式AI模型的整个生命周期，而不仅仅是提示工程或微调。如果考虑将生成式AI应用程序用于复杂场景，你应该阅读这本书，了解成功的应用程序所需的技术组合和工具。
——Randy DeFauw，AWS高级首席解决方案架构师
这本书非常适合用于入门生成式AI应用程序开发。互联网上关于这个主题的信息铺天盖地，让人不知从哪里入手。而这本书提供了一个清晰且有条理的指南：它从基础知识一直讲到高级主题，如参数高效微调和模型部署等。这本书非常实用，还介绍了如何在AWS上部署生成式AI应用程序。这本书对于数据科学家和工程师是极其宝贵的资源。
——Alexey Grigorev，OLX集团首席数据科学家兼DataTalks.Club创始人
这是一本关于构建生成式AI应用程序的实用图书。Chris、Antje和Shelbee共同整理了这份出色的学习资源，在未来几年内它都将是非常有价值的——如果可能的话，可以将其作为大学的学习内容。对任何在AWS上大规模构建生成式AI应用程序的人来说，这本书不容错过。
——Olalekan Elesin，HRS集团数据科学平台总监
如果你正在寻找构建和部署生成式AI产品或服务的强大学习资源，那么这本书是你的不二之选。在Chris Fregly、Antje Barth和Shelbee Eigenbrode的专业指导下，你将从生成式AI应用程序开发新手成长为精通训练、微调和应用程序开发等复杂细节的行家。对每个初出茅庐的AI工程师、产品经理、营销人员或商业领袖来说，这本书都是不可或缺的指南。
——Lillian Pierson，PE，Data-Mania创始人
这本书深入探讨了创建理解多样化数据类型并开发基于上下文的决策的应用程序所需的创新技术。通过这本书，读者可以获得全面的视角，将理论与生成式AI应用程序所需的实践工具连接起来。对那些希望充分利用AWS在生成式AI领域的潜力的人来说，这本书值得一读。
——Kesha Williams，Slalom Consulting总监兼AWS机器学习Hero
生成式AI领域的发展如此之快，以至于看到如此多的相关知识被浓缩成一本内容全面的图书，真是令人难以置信。真棒！
——Francesco Mosconi，Catalit数据科学主管
作者简介:
Chris Fregly，AWS生成式AI首席解决方案架构师，也是O'Reilly图书Data Science on AWS的合著者。 Antje Barth，AWS生成式Al首席开发倡导者，也是O'Reilly图书Data Science on AWS的合著者。 Sh elbee Eigenbrode，AWS生成式AI首席解决方案架构师。她在多个技术领域获得了超过35项专利。 译者 郭韧 生成式 AI 产品专家经理，负责生成式 AI 产品专家团队在机器学习、人工智能领域的方案构建、应用与推广。专注于与 AI、数据相关的技术研究和产品实践。 李雪晴 资深生成式 AI 产品专家，负责生成式 AI 创新场景挖掘、方案推广并进一步助力产品优化。曾担任 AI 算法专家、AI 架构师，拥有超过八年的 AI 技术从业经验。 李君 资深生成式 AI 技术专家，致力... Chris Fregly，AWS生成式AI首席解决方案架构师，也是O'Reilly图书Data Science on AWS的合著者。 Antje Barth，AWS生成式Al首席开发倡导者，也是O'Reilly图书Data Science on AWS的合著者。 Sh elbee Eigenbrode，AWS生成式AI首席解决方案架构师。她在多个技术领域获得了超过35项专利。 译者 郭韧 生成式 AI 产品专家经理，负责生成式 AI 产品专家团队在机器学习、人工智能领域的方案构建、应用与推广。专注于与 AI、数据相关的技术研究和产品实践。 李雪晴 资深生成式 AI 产品专家，负责生成式 AI 创新场景挖掘、方案推广并进一步助力产品优化。曾担任 AI 算法专家、AI 架构师，拥有超过八年的 AI 技术从业经验。 李君 资深生成式 AI 技术专家，致力于生成式 AI 服务的技术探索、推广与应用，旨在为用户提供前沿的生成式 AI 解决方案。凭借二十余年的 IT 从业经历，她在数据库、大数据工程、机器学习以及深度学习等领域积累了丰富的技术经验。 穆迪 生成式 AI 产品分析专家，哥伦比亚大学数据科学研究生，曾担任加拿大统计理论研究协会主席 Nancy Reid 的科研助理，在数据科学方向拥有丰富实践经验。现专注于云行业生成式 AI 产品 评测与分析，以及市场趋势研究。 唐清原 资深生成式 AI 产品专家，负责 Data Analytic & AI/ML 产品服务架构设计与解决方案。拥有超过十年的数据领域研发及架构设计经验，历任 IBM 咨询顾问、Oracle 高级咨询顾问、澳新银行数据部领域架构师等职务。在大数据 BI、数据湖、推荐系统、MLOps 等领域拥有丰富实战经验。 李元博 生成式 AI 技术专家，负责云行业生成式 AI 解决方案的设计、实施与优化。在生成式 AI 领域，对与 RAG 相关的技术有比较深入的研究。在专业软件、车联网、互联网等领域或行业拥有多年工作经验，在大数据应用、用户画像、内容理解、搜索推荐等领域拥有丰富的工程和算法经验。 谢川 资深生成式 AI 技术专家，负责云行业生成式 AI 解决方案的设计、实施与优化。在通信、电商、互联网等行业拥有多年的产研经验，在数据科学、推荐系统、大语言模型 RAG 等方面拥有丰富的实践经验，并且拥有多项 AI 相关产品技术发明专利。 董孝群 生成式 AI 技术专家，负责生成式 AI 方向解决方案的设计与推广。在大语言模型预训练、微调方向拥有丰富经验，有多年NLP、搜索工作经验。 陈斌 生成式 AI 技术专家，致力于为客户提供创新的生成式 AI 解决方案。拥有丰富的模型训练及工程实践经验。曾任软件开发工程师，并深耕高性能计算及区块链领域。 马丽丽 资深数据库技术专家，在数据库领域拥有十余年研究和产品创新经验：从传统商业数据库 IBM DB2、MPP 并行数据仓库Greenplum 到计算和存储解耦的 Apache HAWQ，再到云上数据 库 Amazon Aurora 和 ElastiCache 等。她在相关国际会议上发表多篇数据库方面的学术论文，并拥有多项国际专利。 富宸 生成式 AI 技术专家，负责生成式 AI 多模态方向解决方案的设计与推广。曾负责 AI 应用技术研究方面的工作。在计算机视觉及多模态领域拥有丰富的实践经验。 申绍勇 资深生成式 AI 技术专家 , 主要负责生成式 AI/ML 服务在各个行业的推广和支持。在大语言模型、计算机视觉、推荐等领域拥有丰富的训练和工程经验。成功支持各类大中型客户、创业客户的AI 项目实施。 曹志斌 博士，拥有二十余年计算机行业经验，具备全面的软件研发和前沿产品分析经验。博士毕业于美国亚利桑那州立大学，获计算机博士学位和 MBA 学位。曾担任 SAP 全球银行行业解决方案资深数据科学家、SAP HANA 全球产品技术营销等职位。 关于项目策划人 王晓野 大数据与 AI 产品技术专家，负责带领技术专家团队提供云上产品及开源方案技术实践指导。长期专注于企业现代化应用架构、数据及人工智能能力的建设。 郭悦 资深开发者运营专家，拥有超过十四年的 IT 互联网经验，其中九年聚焦开发者关系、开发者社区及生态运营，涉及开源项目、AI 及云计算技术传播与社区运营。曾从零到一建设 Apollo 自动驾驶开发者社区、京东云开发者社区等并负责技术影响力的打造与传播。 贾涛 技术市场专家，拥有十余年技术市场经验。专注于前沿技术与产品的影响力建设、市场推广与开发者运营。曾担任 SAP 品牌负责人、多家创业科技企业 CMO、腾讯云产品市场副总经理及腾讯会议市场负责人。
目录:
第1章 生成式AI用例、基础知识和项目生命周期 5
第2章 提示工程与上下文学习 17
第3章 大语言基础模型 37
第4章 显存和计算优化 53
第5章 微调和评估 73
第6章 参数高效微调 87
第7章 基于人类反馈的强化学习微调 101
第8章 模型部署优化 125
第9章 通过RAG和agent实现基于上下文推理的应用程序 141
第10章 多模态基础模型 177
第11章 通过Stable Diffusion进行受控生成和微调 213
第12章 Amazon Bedrock：用于生成式AI的托管服务 229
点击下载