Large Language Model Recipes
Bharath Kumar Bolla, Kalpa Subbaiah, Sashi Kiran Kaata
- Editorial
- Apress
- Año
- 2026
- Páginas
- ~411
- Nivel
- Intermedio
De qué trata
Publicado por Apress en 2026 por Bharath Kumar Bolla, Kalpa Subbaiah y Sashi Kiran Kaata, este manual está concebido como un recetario técnico integral para dominar el ciclo de vida completo de los Modelos de Lenguaje Grande (LLMs) en entornos de producción. Está dirigido a desarrolladores, científicos de datos e ingenieros de IA con nivel intermedio que ya entienden los conceptos esenciales de machine learning y Python, pero necesitan recetas de ingeniería prácticas para seleccionar, entrenar, optimizar y servir modelos abiertos como Llama, Mistral o Falcon bajo restricciones de cómputo reales.
A través del marco arquitectónico FTI (Feature, Training, Inference), el libro desglosa soluciones modulares para cada fase del desarrollo: preparación y curaduría de datasets de instrucciones, afinamiento completo y técnicas eficientes de parámetros (PEFT) como LoRA y QLoRA para ejecutar fine-tuning en GPUs de consumo. Enseña técnicas avanzadas de compresión y cuantización de pesos (AWQ, GPTQ, GGUF), despliegue de inferencia de alto rendimiento con motores como vLLM y TGI (Text Generation Inference), evaluación estandarizada de modelos con benchmarks industriales, construcción de flujos RAG con bases de datos vectoriales y orquestación de agentes autónomos y aplicaciones multimodales de visión y lenguaje.
El formato de recetas permite poner en práctica desde la adaptación ligera de un modelo abierto en hardware accesible hasta el levantamiento de un servidor de inferencia optimizado para baja latencia y alta concurrencia, pasando por la creación de agentes autónomos capaces de razonar y procesar imágenes y texto conjuntamente. Lo más valioso del libro es su enfoque directo hacia la ingeniería de producción y LLMOps: enseña a sortear el cuello de botella de la memoria VRAM y desplegar modelos propios sin costes desorbitados. No se detiene en programar transformadores desde cero ni en demostraciones matemáticas teóricas, siendo una obra eminentemente práctica para aplicar en infraestructura propia o en la nube.
- Modelos de lenguaje (LLMs)
- Fine-tuning
- PEFT (LoRA y QLoRA)
- Cuantización
- Inferencia de alto rendimiento (vLLM y TGI)
- RAG (Retrieval-Augmented Generation)
- Bases de datos vectoriales
- Modelos abiertos (Llama, Mistral)
- Modelos multimodales
- Agentes autónomos
- LLMOps
¿Cómo enseña?
Con ejercicios
- ✓ Incluye ejercicios
- ✓ Incluye proyectos
Proyectos
Pipeline de fine-tuning eficiente con QLoRA
Receta integral para adaptar y ajustar por instrucciones modelos abiertos como Mistral o Llama en hardware con recursos moderados, reduciendo drásticamente la huella de memoria VRAM.
Servidor de inferencia de alto rendimiento con vLLM y TGI
Infraestructura de producción para servir modelos cuantizados a alta velocidad y baja latencia, integrando procesamiento por lotes continuo (continuous batching) y monitorización.
Arquitectura RAG avanzada y agente multimodal
Sistema completo que combina recuperación semántica mediante bases vectoriales con agentes capaces de razonar con herramientas y procesar simultáneamente entradas visuales y textuales.
