La settimana scorsa ho pubblicato un post LinkedIn dove spiegavo la nascita del lavoro del GenAI Engineer, e avevo promesso una roadmap gratuita per diventarlo.

*Beh ci siamo!*

In questo numero di Commit troverai tutti i link utili e le risorse rilevanti per diventare capace di costruire prodotti GenAI di ultima generazione.

Ah, e tutte le risorse sono gratuite o opensource!

Ma aspetta un attimo, cos’è un GenAI Engineer?

Secondo me è una specializzazione del cosiddetto AI Engineer, nome reso popolare da questo articolo di Latent Space, assolutamente consigliato (leggilo!)

Ma nella pratica cosa fa un GenAI Engineer?

• Sviluppa progetti che integrino e combinino modelli di AI generativa di diversa natura (es: text-to-text, text-to-image)
• Testa modelli di AI generativa sia proprietari che open source
• Sviluppa progetti basati su tecniche di RAG (Retrieval di informazioni da documenti)
• Effettua il fine-tuning di modelli di AI generativa preesistenti
• Crea Agenti AI che usano i vari modelli

E tanto altro in realtà, ma questi sono i compiti più importanti.

Ma quindi veniamo alla domanda: come divento GenAI Engineer?

Ho cercato di riassumere in alcuni punti chiave le risorse utili per sviluppare le competenze che ti servono:

• Basi di GenAI moderna:
• The Illustrated Transformer (e tutto il blog)
• LLM Bootcamp (ottima playlist)
• Building LLM for Production
• What are Embedding
• Uso dei modelli
• Impara a usare i modelli tramite API, i migliori sono quelli di OpenAI e Anthropic, ma anche Cohere e Mistral sono validi
• Impara bene come costruire le chiamate, come i vari parametri influenzano i risultati
• In particolare concentrati su context window, *****few shot learning*, costi e latenza
• Prompting
• Impara le tecniche di prompting avanzate, sopratutto quelle per “spremere” al massimo le capacità dei modelli di ragionare, come Tree of Thoughts e la Self Reflection
• Ti basta consultare la guida di Dair.ai e hai tutto quello che ti serve
• Impara quali sono i design pattern emergenti per LLM Engineering
• E i pattern per creare workflow avanzati con i prompt
• RAG e Vector DBs
• Impara a usare i vector Database per archiviare i vettori che rappresentano la “memoria” dei modelli, i cosiddetti embeddings
• Impara a costruire sistemi RAG per dare contesto rilevanti ai modelli quando rispondono, partendo dalle implementazioni più semplici a quelle più complesse

Bene, buoni prossimi 6 mesi di studio e sperimentazione 😂

Detto questo, è un ruolo difficile da inquadrare, che richiede di essere sempre aggiornati e che probabilmente si evolverà molto nei prossimi anni…

Ma che pagherà molto bene chi saprà costruire applicazioni usando i Foundation Models 🙂

Ah altra cosa:

Se qualcuno ti dice che devi conoscere complessi algoritmi di ottimizzazione o matematica avanzata per diventare AI Engineer, tu chiedigli: “ah quindi devo sapere come funziona la teoria dei segnali per fare l’elettricista?”

Scherzi a parte, questi nuovi modelli AI permettono di costruire cose super fighe a un livello di astrazione piuttosto alto, e non serve per forza una laurea STEM o un background matematico per lavorare con questi modelli.

Ah, se sei già esperto in questi temi, contattami assolutamente, potrei avere qualcosa per te 👀

Vieni a parlarne anche sul nostro Discord, trovi tutti i membri del team e migliaia di professionisti e appassionati di Tech, Data Science e AI! 🍕

*Entra nel Discord!*

***

By Giacomo Ciarlini - Head of Content & Education - Datapizza

***

Altre news interessanti

• X.ai annuncia l’imminente rilascio di Grok 1.5
• Microsoft Copilot potrebbe presto girare in locale sui nostri PC
• New York sta testando dei detector per armi che usano l’AI
• OpenAI racconta il lavoro fatto su Voice Engine, il loro motore Text to Speech

🍕 Datapizza Selection 🍕 

Dai un occhiata a questo framework

Settimana scorsa è stato annunciato Agent Lumos, un Agent framework molto interessante.

È molto utile per impostare l'addestramento di agenti open-source basati su LLM (Large Language Model).

Nella partica consiste in un'architettura modulare con un modulo di pianificazione che può apprendere la generazione di sotto-obiettivi + un modulo specifico per tradurli in azioni con l'utilizzo di strumenti esterni (a cui l’agente può accedere).

Molto interessante, dacci un occhio!