Osoby które kupowały "Architektura system", wybierały także:

• Jak zhakowa 125,00 zł, (10,00 zł -92%)
• Windows Media Center. Domowe centrum rozrywki 66,67 zł, (8,00 zł -88%)
• Biologika Sukcesji Pokoleniowej. Sezon 3. Konflikty na terytorium 124,37 zł, (19,90 zł -84%)
• Ruby on Rails. Ćwiczenia 18,75 zł, (3,00 zł -84%)
• Nadchodz 47,14 zł, (9,90 zł -79%)

Spis treści

Architektura systemów AI. Projektowanie skalowalnego i niezawodnego oprogramowania -- spis treści

O autorach

O recenzentach

Wstęp

Część 1. Podstawy architektoniczne

• Rozdział 1. Podstawy architektury systemów AI
  • Wprowadzenie do systemów AI: projektowanie przyszłości inteligencji
    • Czym jest system AI?
    • Wpływ infrastruktury AI: podstawa inteligentnych rozwiązań w wielu różnych branżach
    • Kluczowe komponenty architektury systemów AI
  • Architektura mikrousługowa: modularne podejście do budowania złożonych systemów AI
    • Korzyści z wykorzystania mikrousług w sztucznej inteligencji
    • Wyzwania związane z architekturą mikrousługową
    • Przykład z życia: wdrażanie konwersacyjnych usług AI w architekturze mikrousługowej
  • Aspekty systemu AI
    • Skalowalność - radzenie sobie z rosnącą ilością danych i ze złożonością modeli
    • Wydajność - techniki optymalizacji
    • Niezawodność - odporność na awarie, obsługa błędów i redundancja
    • Bezpieczeństwo - prywatność danych i odporność modelu
    • Modelowanie danych - katalogi i ontologie
  • Współczesne paradygmaty wdrażania sztucznej inteligencji
    • Chmurowe architektury sztucznej inteligencji
  • Jeziora danych i hurtownie danych w architekturach AI - fundament inteligencji opartej na danych
    • Jezioro danych - ogromny rezerwuar nieprzetworzonych informacji
    • Hurtownie danych - ustrukturyzowane repozytoria do celów analitycznych
    • Synergia jezior danych i hurtowni danych
  • Sztuczna inteligencja w chmurze - przełom w dziedzinie AI
    • Zalety chmurowej sztucznej inteligencji
    • Główne chmurowe platformy AI - przyspieszanie innowacji dzięki kompleksowym zestawom narzędzi
  • Podsumowanie
  • Polecana lektura
• Rozdział 2. Znaczenie architektury
  • Skutki błędów architektonicznych
  • Początki architektury
  • Rola architekta
    • Równowaga między wizją a precyzją w architekturze AI
  • Systemy AI a architektura
  • Posiadacz wizji
  • Cykl architektoniczny
    • Myśleć jak architekt
    • Utrzymywanie wizji architektonicznej
  • Architektura nowoczesnych systemów
    • Modele podejmowania decyzji w architekturze AI
    • Wybór odpowiedniego podejścia do sztucznej inteligencji
    • Wielowymiarowy model decyzyjny
  • Nadzór i zgodność z przepisami w systemach AI
    • Model nadzoru nad architekturą AI
    • Wyjaśnialność w projektowaniu architektury AI
    • Integracja zgodności z przepisami
    • Kwestie implementacyjne
  • Modelowanie i symulacja
    • Czym jest modelowanie systemów informatycznych?
    • Rola modelowania i symulacji w systemach AI i ML
  • Architektura a interfejsy
    • Interfejsy
    • Interfejsy a sztuczna inteligencja
  • Podsumowanie
  • Polecana lektura
• Rozdział 3. Inżynieria oprogramowania a architektura
  • Złożoność oprogramowania w systemach AI
    • Złożoność integracyjna
    • Złożoność funkcjonalna
    • Złożoność techniczna
    • Złożoność weryfikacyjna
    • Złożoność interfejsu między maszyną a człowiekiem
  • Architektura w praktyce
  • Metody radzenia sobie ze złożonością oprogramowania
    • Rozwój architektury
    • Integracja i spójność
  • Zarządzanie projektem
    • Rozpoczęcie projektu
    • Planowanie projektu
    • Realizacja projektu
    • Monitorowanie i kontrola
    • Zakończenie projektu
  • Podsumowanie
  • Ćwiczenia
  • Literatura

Część 2. Architektura systemów AI

• Rozdział 4. Projektowanie koncepcyjne systemów AI
  • Koncepcja operacyjna (CONOPS)
    • CONOPS w systemach AI
    • Zrozumienie obecnego systemu
    • Podejście skoncentrowane na danych w systemach sztucznej inteligencji
    • Wymagania niefunkcjonalne w systemach sztucznej inteligencji
  • Uzasadnienie biznesowe dla systemów sztucznej inteligencji
    • Wpływ technologii sztucznej inteligencji na działalność przedsiębiorstw
    • Integracja organizacyjna i wpływ na ludzi
  • Scenariusze dla systemów wspomaganych sztuczną inteligencją
    • Tworzenie skutecznych scenariuszy
    • Wykorzystanie technologii sztucznej inteligencji w scenariuszach
    • Definiowanie sukcesu i ograniczeń
  • Przypadki użycia w systemach opartych na sztucznej inteligencji
    • Struktura efektywnych przypadków użycia
    • Klasy użytkowników i interakcje z AI
  • Tryby operacyjne systemów opartych na sztucznej inteligencji
    • Tryb konfiguracji
    • Tryb uruchamiania
    • Tryb wykonywania
    • Tryb konserwacji
    • Tryb przywracania
    • Tryb zamykania
  • Ograniczanie ryzyka poprzez projektowanie koncepcyjne
    • Ograniczanie ryzyka związanego z jakością danych
    • Zarządzanie oczekiwaniami interesariuszy
    • Ograniczanie ryzyka integracyjnego
  • Studium przypadku: system rekomendacji dla handlu detalicznego
    • Opracowanie koncepcji operacyjnej
    • Uzasadnienie biznesowe
    • Scenariusze i przypadki użycia
    • Tryby operacyjne
    • Wyzwania wdrożeniowe i zdobyte doświadczenia
  • Podsumowanie
  • Ćwiczenia
  • Literatura
• Rozdział 5. Wymagania i architektura potoków AI
  • Potoki rozwojowe
  • Wymagania dotyczące magazynu danych
    • Ilość danych i szybkość ich napływu
    • Formaty danych i metody przetwarzania
    • Terminowość i dobór technologii
    • Wymagania niefunkcjonalne i nadzór
    • Wsparcie operacyjne i wyspecjalizowane magazyny
  • Komponenty rozwoju algorytmicznego
    • Inspekcje jakości danych
    • Transformacje danych
    • Podsumowania danych
    • Budowanie, dostrajanie i weryfikowanie modeli
  • Potok produkcyjny
    • Magazyny danych
    • Operacje na danych
    • Oczyszczanie danych
    • Transformacje danych
    • Wykonywanie modelu
    • Magazyny wyników i użytkowników końcowych
    • Magazyn operacji potokowych
    • Ciągły rozwój i integracja
  • Wzorce i strategie architektoniczne
    • Wymagania niefunkcjonalne
  • Podsumowanie
  • Ćwiczenia
  • Literatura
• Rozdział 6. Projektowanie, integracja i testowanie
  • Podstawy projektowania
    • Wymagania
    • Aktorzy i przypadki użycia
    • Tryby działania systemu
  • Schematy definicji bloków
    • Oczyszczanie danych
    • Transformacja danych
    • Model uczenia maszynowego
    • Operacje potokowe
    • Magazyn wyników
  • Taktyki i wzorce systemowe
    • Kluczowe atrybuty
    • Kluczowe wzorce dla systemów sztucznej inteligencji
  • Integracja i testowanie
    • Typy integracji
    • Uprzęż integracyjna
    • Typy testów
    • Ciągły rozwój i integracja
  • Podsumowanie
  • Ćwiczenia
  • Literatura
• Rozdział 7. Architektura systemu generatywnej sztucznej inteligencji - studium przypadku
  • Wyzwanie biznesowe - kryzys w zarządzaniu wiedzą
  • Wizja - transformacja za sprawą generatywnej sztucznej inteligencji
  • Uzgadnianie celów biznesowych i technicznych
    • Cele z zakresu data science
  • Architektura - kluczowe komponenty i przepływ pracy
    • Przegląd systemu
    • Kluczowe komponenty
    • Od statycznych modeli do dynamicznych agentów
    • Przepływ pracy agenta LangChain
  • Infrastruktura techniczna
    • Architektura przetwarzania w chmurze
  • Kompleksowa architektura systemu
    • Warstwa kliencka - dostęp i wrażenia użytkownika
    • Warstwa prezentacji - orkiestracja interfejsów
    • Warstwa aplikacji - logika biznesowa
    • Warstwa danych - przechowywanie i wyszukiwanie informacji
    • Usługi zewnętrzne - rozszerzanie możliwości systemu
  • Wzorce interakcji z użytkownikiem
    • Przypadek użycia - rozstrzyganie zapytań
  • Wpływ na biznes
    • Transformacja operacyjna
    • Wrażenia klienta
    • Wyniki finansowe
    • Ewolucja kulturowa
  • Kluczowe zasady architektoniczne
    • Generowanie wspomagane wyszukiwaniem
    • Adaptacyjny routing zapytań
    • Nauka oparta na informacji zwrotnej
  • Podsumowanie
  • Literatura
• Rozdział 8. Wnioski i perspektywy
  • Architektura
  • Budowanie systemów opartych na sztucznej inteligencji
  • Inżynieria danych
  • Analiza danych i modele
  • Projekt koncepcyjny
  • Projektowanie, integracja i testowanie
  • Kierunki rozwoju AI i architektury
  • Co dalej?