Sedang mengikuti modul ini?0 daripada 19 selesai
Modul 01 · Halaman 2 daripada 20 · 7 bahagian

Pengenalan kepada Reka Bentuk Sistem AI

Apa itu reka bentuk sistem AI, mengapa ia penting, seni bina hujung ke hujung dan matlamat yang menjadi ukuran setiap reka bentuk.

02Analisis Keperluan dan Kes Penggunaan03Saluran Data dan Kejuruteraan Data15MLOps dan LLMOps
1.1

Apa itu Reka Bentuk Sistem AI?

  • Reka bentuk sistem AI ialah proses mereka bentuk sistem hujung ke hujung yang menggunakan model AI/ML untuk menyelesaikan masalah dunia sebenar pada skala besar.
  • Ia merangkumi saluran data, latihan model, penyajian model, infrastruktur, pemantauan, keselamatan dan penambahbaikan berterusan.
1.2

Mengapa Ia Penting?

  • Membantu membina aplikasi AI yang berskala, boleh dipercayai dan sedia untuk pengeluaran.
  • Merapatkan jurang antara pembangunan model dan penggunaan dunia sebenar.
  • Mengambil kira keperluan bukan fungsian seperti kependaman, kos, keselamatan dan kebolehpercayaan.
  • Penting untuk produk AI dunia sebenar seperti ChatGPT, sistem cadangan dan pengesanan penipuan.
1.3

Seni Bina Peringkat Tinggi

Sumber Data
Pengambilan & Pemprosesan DataETL / ELT
Storan DataData lake / pangkalan data
Pemantauan & Maklum Balas
Penyajian ModelAPI / dalam talian / kelompok
Latihan & Penilaian Model
Data mengalir melalui setiap peringkat, kemudian pemantauan menyalurkan log, tingkah laku pengguna dan prestasi model kembali ke permulaan saluran.
1.4

Komponen Utama

1
Sumber Data
Kumpul data daripada pelbagai sumber (pangkalan data, fail, API, tingkah laku pengguna, dll.).
2
Saluran Data
Bersih, ubah dan sediakan data untuk latihan dan inferens.
3
Storan
Data lake / pangkalan data untuk menyimpan data mentah dan data yang telah diproses.
4
Latihan Model
Latih dan sahkan model ML/LLM.
5
Penyajian Model
Gunakan model untuk inferens masa nyata atau kelompok.
6
Pemantauan
Jejak prestasi, kependaman, hanyutan dan ralat.
7
Gelung Maklum Balas
Gunakan maklum balas pengguna sebenar untuk menambah baik model.
Berkaitan03Saluran Data dan Kejuruteraan Data04Saluran Latihan Model05Penyajian Model dan Seni Bina Inferens13Pemantauan, Pengelogan dan Kebolehcerapan
1.5

Jenis Sistem AI

1
AI Ramalan
Ramalan permintaan, ramalan pelanggan berhenti.
2
AI Generatif
Penjanaan teks, imej dan video (LLM, model resapan).
3
Sistem Cadangan
Cadangan produk, cadangan kandungan.
4
AI Agentik
Ejen AI yang boleh merancang, menggunakan alat dan mengambil tindakan.
5
AI Masa Nyata
Pengesanan penipuan, pemperibadian masa nyata.
Berkaitan06Reka Bentuk Sistem LLM07Reka Bentuk Sistem RAG08Reka Bentuk Sistem AI Agentik
1.6

Matlamat Reka Bentuk

1
Kebolehskalaan
Mengendalikan data besar dan trafik tinggi.
2
Kebolehpercayaan
Ketersediaan tinggi dan toleransi kesalahan.
3
Kependaman Rendah
Masa respons yang pantas.
4
Kecekapan Kos
Mengoptimumkan kos infrastruktur.
5
Keselamatan & Privasi
Melindungi data dan model.
6
Kebolehselenggaraan
Mudah dikemas kini dan diskalakan.
7
Kebolehcerapan
Memantau, merekod log dan menyahpepijat isu.
Berkaitan11Kebolehpercayaan, Toleransi Kesalahan dan Ketersediaan Tinggi12Keselamatan, Privasi dan AI Bertanggungjawab13Pemantauan, Pengelogan dan Kebolehcerapan
1.7

Contoh Dunia Sebenar

SistemFungsinya
ChatGPTAI perbualan berasaskan LLM
NetflixSistem cadangan
UberRamalan ETA menggunakan ML
GoogleKedudukan carian dengan ML
OpenAI / AnthropicModel bahasa besar
SpotifyCadangan muzik diperibadikan