David Vicente Campos
Grundare av NeuraLIA Labs och medgrundare av MyRealFood
Jag är dataingenjör från Universitetet i León. Jag var med och grundade MyRealFood, där jag som CTO byggde appen som miljontals människor har använt för att äta bättre, och jag grundade NeuraLIA Labs, där jag bygger AI-produkter. Här skriver jag om det jag har behövt förstå längs vägen, så som jag önskar att någon hade förklarat det för mig.
AI från grunden
30 kapitel
- Perceptronen från grunden: vad ett neuron beräknar
- Var en förlustfunktion kommer ifrån: likelihood, inte konvention
- Nedför: gradient descent och de två steg alla hoppar över
- Klassificering, cross-entropy och hur du inte lurar dig själv
- Backpropagation från grunden: först motorn, sedan nätverket
- Att få den att träna och att få den att generalisera
- Bygg en BPE Tokenizer: Därför kan din modell inte räkna r:en
- Next-token prediction: embedding och vad perplexity betyder
- Attention och transformer-blocket, härlett från ett genomsnitt
- Pretraining av en LLM: data, compute, scaling laws och kostnad
- Från basmodell till assistent: SFT, RLHF, DPO och GRPO
- Chain of Thought, RLVR och Test-Time Compute, uppmätt
- Gör inference billig: KV cache, batching och kvantisering
- Ditt första LLM-anrop i produktion: streaming, retries, timeouts
- Prompt engineering, uppmätt: vad som ändrar output
- Context window, tokens och räkningen – uppmätt
- Temperatur, top-p och determinismen du inte har
- Tool Calling och structured outputs: kontraktet som håller
- RAG i produktion: chunking, retrieval och ärliga källhänvisningar
- Fine-tuning, retrieval eller prompt? Beslutet är ekonomiskt
- Multimodal prissättning: vad bilder, ljud och video faktiskt debiterar
- Vad en AI-agent är: fem klassiska typer, två rivaliserande definitioner
- Bygg en agent harness: loopen och de fem vägarna ut
- Context Engineering: Därför blir din agent dummare vid tur 40
- Multi-agent-orkestrering: fem mönster och när ett vinner
- MCP förklarat mot specifikationen: vad en server egentligen är
- Lansera en MCP server: TypeScript och Python, mätt
- Agent Skills och SKILL.md: stegvis exponering, mätt
- LLM-utvärdering: från offentliga benchmarks till ditt golden set
- Prompt injection och den dödliga trifektan: säkra en verklig agent