Building LLM Powered Applications

Obra extensa y de enfoque aplicado de Valentina Alto que expone el ciclo de vida completo para idear, desarrollar y desplegar aplicaciones inteligentes con modelos de lenguaje grande (LLMs). El libro combina modelos propietarios de OpenAI (GPT-3.5 y GPT-4) con modelos de código abierto (como Falcon y la familia LLaMA). Está dirigido a desarrolladores de software, científicos de datos y profesionales técnicos de nivel intermedio con buen dominio de Python y nociones básicas de machine learning que deseen dominar los patrones esenciales de diseño en IA generativa.

El contenido abarca la arquitectura de transformadores, prompt engineering avanzado y la orquestación de flujos mediante el framework LangChain. Enseña a integrar LLMs con datos estructurados y bases de datos relacionales mediante generación de consultas SQL, construir motores de recomendación y búsqueda semántica con bases de datos vectoriales (ChromaDB y Pinecone), diseñar agentes multimodales capaces de procesar texto, imágenes y audio, y llevar a cabo fine-tuning eficiente utilizando técnicas de adaptación de bajo rango como LoRA y PEFT, complementándolo con directrices de IA responsable y seguridad.

A través de una colección de cuadernos interactivos en Jupyter, se construyen proyectos prácticos que incluyen chatbots con memoria contextual multi-turno, copilotos de consulta en lenguaje natural sobre bases de datos SQL, sistemas de recomendación semántica y agentes multimodales. Destaca notablemente por su equilibrio entre modelos comerciales y modelos abiertos, así como por su amplitud temática; como contrapartida, al abarcar desde afinamiento de pesos hasta agentes autónomos, la optimización para despliegues a escala masiva requerirá lecturas complementarias de infraestructura en la nube.