IA i ciència de dades
Com es construeixen sistemes que aprenen a partir de dades: models clàssics d’aprenentatge automàtic, sistemes amb LLMs i el que cal per portar-los a producció i mantenir-los. Per fer servir eines d’IA mentre programes, consulta Eines IA per al desenvolupament.
Com llegir aquests blocs
Els blocs segueixen l’ordre en què les idees es necessiten:
- Situar-se. La Introducció a la IA dona el mapa: paradigmes, arquitectura d’un sistema i com abordar un projecte. És la porta d’entrada a la resta.
- Aprendre de dades. L’aprenentatge automàtic explica com un model ajusta els seus paràmetres i com se sap si el que ha après serveix. Els conceptes que hi apareixen (funció de cost, xarxes neuronals, embeddings, mètriques) tornen a tots els blocs següents.
- Models de llenguatge. Els LLMs són xarxes neuronals que treballen amb embeddings. El bloc respon tres preguntes en ordre: cal un LLM, quin patró i quin model.
- Producció. Desplegar, validar, vigilar i actualitzar, primer amb un model de ML i després amb un LLM. La part de ML només pressuposa l’aprenentatge automàtic; la de LLM necessita també els models de llenguatge.
La resta són documents de suport. IA sostenible es llegeix millor després dels LLMs, perquè en discuteix el cost. La Guia pràctica recull els blocs en forma de decisions. Les Referències es consulten quan cal.
Si t’has de quedar amb una sola idea: comença pel sistema més simple que pugui resoldre bé el problema, i puja de nivell només si les dades, el cost, la latència o la fiabilitat ho demanen.
flowchart TD
I["Introducció a la IA"] --> A["Aprenentatge automàtic"]
A --> L["LLMs i IA generativa"]
A --> D["Desplegament i operació"]
L --> D
L --> S["IA sostenible"]
D --> G["Guia pràctica"]
Entrada
- Introducció a la IA: què és la IA, paradigmes, arquitectura d’un sistema i com abordar un projecte
Blocs
- Aprenentatge automàtic: com un model aprèn a partir de dades i com se sap si el que ha après serveix
- LLMs i IA generativa: tres preguntes en ordre (cal un LLM, quin patró i quin model), amb l’avaluació com a requisit transversal
- Desplegament i operació: com portar a producció un model de ML o un sistema amb LLMs, decidir automàticament si hi pot arribar i mantenir-lo funcionant
Suport
- IA sostenible: el cost energètic i material de la IA, on convé executar cada tasca i qui controla la infraestructura
- Guia pràctica: guia de decisió per triar l’enfocament i estructurar un projecte, del problema al desplegament
- Referències: material de suport per consultar quan calgui, no per llegir seguit