Spring til indhold
NeuraLIA Labs
Log indKom i gang

David Vicente Campos

Grundlægger af NeuraLIA Labs og medstifter af MyRealFood

Jeg er dataingeniør fra Universitetet i León. Jeg var med til at stifte MyRealFood, hvor jeg som CTO byggede den app, som millioner af mennesker har brugt til at spise bedre, og jeg grundlagde NeuraLIA Labs, hvor jeg bygger AI-produkter. Her skriver jeg om det, jeg har måttet forstå undervejs, sådan som jeg ville ønske, nogen havde forklaret det for mig.

AI fra bunden

30 kapitler

  1. Perceptronen fra bunden: Hvad en neuron beregner
  2. Hvor en tabsfunktion kommer fra: likelihood, ikke konvention
  3. Nedad: gradient descent og de to trin alle springer over
  4. Klassifikation, krydsentropi og kunsten ikke at narre dig selv
  5. Backpropagation fra bunden: først motoren, så netværket
  6. At få det til at træne — og til at generalisere
  7. Byg en BPE-tokenizer: Derfor kan din model ikke tælle r'erne
  8. Next-token prediction: Embeddings, og hvad perplexity betyder
  9. Attention og transformer-blokken, udledt fra et gennemsnit
  10. Pretraining af en LLM: data, compute, scaling laws og pris
  11. Fra base model til assistant: SFT, RLHF, DPO og GRPO
  12. Chain of Thought, RLVR og Test-Time Compute målt
  13. Gør inference billig: KV cache, batching og kvantisering
  14. Dit første produktionskald til en LLM: streaming, retries og timeouts
  15. Prompt engineering, målt: Hvad der ændrer outputtet
  16. Context window, tokens og regningen — målt
  17. Temperatur, top-p og den determinisme, du ikke har
  18. Tool Calling og strukturerede outputs: Kontrakten der holder
  19. RAG i produktion: Chunking, retrieval og ærlige kildehenvisninger
  20. Fine-tune, retrieve eller prompt? Beslutningen er økonomisk
  21. Multimodal prissætning: Hvad billeder, lyd og video egentlig fakturerer
  22. Hvad en AI-agent er: fem klassiske typer, to rivaliserende definitioner
  23. Byg et agent harness: loopet og dets fem veje ud
  24. Context Engineering: Derfor bliver din agent dummere ved tur 40
  25. Multi-Agent-orkestrering: Fem mønstre, og hvornår ét vinder
  26. MCP forklaret op mod specifikationen: hvad en server egentlig er
  27. Ship en MCP-server: TypeScript og Python, målt
  28. Agent Skills og SKILL.md: gradvis disclosure, målt
  29. LLM-evaluering: Fra offentlige benchmarks til dit golden set
  30. Prompt injection og den dødelige trifecta: sådan sikrer du en reel agent