Качественная дипломная работа по искусственному интеллекту

Цель работы: создать программное средство на основе искусственного интеллекта с возможностью администрирования.

Для достижения поставленной цели в работе решаются следующие задачи:

• исследовать современные подходы к построению систем на базе LLM;

• разработать программное средство на основе искусственного интеллекта;

• выполнить оценку результатов внедрения и практической применимости разработанного решения.

Объект исследования: процесс создания и эксплуатации интеллектуальной информационной системы на базе LLM.

Предмет исследования: методы, программные средства и организационно-технические решения, применяемые для разработки и администрирования LLM-сервиса.

Практическая значимость работы состоит в том, что результат может быть использован как основа для внедрения интеллектуального ассистента в организациях, где требуется ускорение поиска информации, снижение нагрузки на специалистов первой линии поддержки и унификация ответов пользователям. Дополнительная ценность заключается в формировании воспроизводимого контура технического администрирования, включающего безопасность, журналирование, мониторинг и процедуры восстановления после сбоев.

В работе рассматривается не только создание интеллектуального модуля на базе LLM, но и полный комплекс технического администрирования, необходимый для его устойчивой эксплуатации. Такой подход обеспечивает практическую применимость проекта и соответствует современным требованиям к внедрению ИИ-систем в прикладную деятельность.

1 ОБЩАЯ ЧАСТЬ 7

1.1 Цель разработки и анализ её использования 7

1.2 Анализ технологий и возможных средств решения проблемы 9

1.3 Выбор средств и технологий 12

2 ОСНОВНАЯ ЧАСТЬ 17

2.1 Постановка задачи и требования к LLM-системе 17

2.2 Проектирование архитектуры 20

2.3 Проектирование структуры данных и логики модулей 24

2.4 Реализация программного решения 28

2.5 Техническое администрирование (развертывание, доступы, логи, backup) 30

2.6 Тестирование и анализ результатов 33

3. ОХРАНА ТРУДА 39

3.1. Вредные факторы в работе 39

3.2. Обеспечение пожаробезопасности 47

4. ОРГАНИЗАЦИОННО-ЭКОНОМИЧЕСКИЙ РАЗДЕЛ 49

4.1 Организация рабочего места оператора ЭВМ 49

4.1.1 Требования к рабочему стулу (креслу) 49

4.1.2 Требования к подставке для ног 50

4.1.3 Требования к дисплею 50

4.1.4 Требования к клавиатуре 51

4.2 Расчёт затрат на разработку нейронной сети 51

4.2.1 Расчёт затрат на материалы 51

4.2.2 Расчёт основной заработной платы разработчика 52

4.2.3 Дополнительная заработная плата 52

4.2.4 Отчисления на единый социальный налог 52

4.2.5 Расчёт накладных расходов 53

4.2.6. Расчёт стоимости работы оборудования 53

ЗАКЛЮЧЕНИЕ 56

СПИСОК ЛИТЕРАТУРЫ 58

ПРИЛОЖЕНИЯ 59

2. Гудфеллоу, И. Глубинное обучение / И. Гудфеллоу, Й. Бенджио, А. Курвилль. – Москва : ДМК Пресс, 2018. – 656 с. – ISBN 978-5-97060-618-6.

3. Вандер Плас, Д. Python для анализа данных. Наука о данных и машинное обучение / Д. Вандер Плас. – 2-е изд. – Санкт-Петербург : Питер, 2021. – 512 с. – ISBN 978-5-4461-1467-1.

4. Чолле, Ф. Глубинное обучение на Python / Ф. Чолле. – 2-е изд. – Санкт-Петербург : Питер, 2020. – 384 с. – ISBN 978-5-4461-1318-6.

5. Хорстман, К. Современный Python. Разработка программ профессионального уровня / К. Хорстман. – Санкт-Петербург : Питер, 2020. – 480 с. – ISBN 978-5-4461-1127-4.

6. Кузнецов, С. Д. Базы данных. Языки и модели / С. Д. Кузнецов. – Москва : Бином. Лаборатория знаний, 2019. – 720 с. – ISBN 978-5-9963-0661-5.

7. Фаулер, М. Архитектура корпоративных программных приложений / М. Фаулер. – Москва : Вильямс, 2019. – 544 с. – ISBN 978-5-8459-2057-3.

8. Ньюман, С. Создание микросервисов / С. Ньюман. – Санкт-Петербург : Питер, 2020. – 496 с. – ISBN 978-5-4461-1226-4.

9. Таненбаум, Э. Современные операционные системы / Э. Таненбаум, Х. Бос. – 4-е изд. – Санкт-Петербург : Питер, 2021. – 1120 с. – ISBN 978-5-4461-1564-7.

10. Макконнелл, С. Совершенный код / С. Макконнелл. – 2-е изд. – Санкт-Петербург : Питер, 2020. – 896 с. – ISBN 978-5-4461-1220-2.

11. Vaswani, A. Attention Is All You Need / A. Vaswani, N. Shazeer, N. Parmar [et al.] // Advances in Neural Information Processing Systems. – 2017. – URL: https://arxiv.org/abs/1706.03762

12. Lewis, P. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks / P. Lewis, E. Perez, A. Piktus [et al.] // Advances in Neural Information Processing Systems. – 2020. – URL: https://arxiv.org/abs/2005.11401

13. Brown, T. B. Language Models are Few-Shot Learners / T. B. Brown, B. Mann, N. Ryder [et al.] // Advances in Neural Information Processing Systems. – 2020. – URL: https://arxiv.org/abs/2005.14165

14. Devlin, J. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding / J. Devlin, M.-W. Chang, K. Lee, K. Toutanova. – 2018. – URL: https://arxiv.org/abs/1810.04805

15. Python Software Foundation. Python 3 Documentation : официальный сайт. – URL: https://docs.python.org/3/

16. Ramírez, S. FastAPI Documentation : официальный сайт. – URL: https://fastapi.tiangolo.com/

17. SQLite Consortium. SQLite Documentation : официальный сайт. – URL: https://sqlite.org/docs.html

18. PostgreSQL Global Development Group. PostgreSQL Documentation : официальный сайт. – URL: https://www.postgresql.org/docs/

19. Ollama. Ollama API Documentation : официальный сайт. – URL: https://docs.ollama.com/api/introduction

20. Docker Inc. Docker Compose Documentation : официальный сайт. – URL: https://docs.docker.com/compose/

21. Encode. Uvicorn Documentation : официальный сайт. – URL: https://uvicorn.dev/

22. LangChain. LangChain Documentation : официальный сайт. – URL: https://docs.langchain.com/

23. Chroma. Chroma Docs: Introduction : официальный сайт. – URL: https://docs.trychroma.com/docs/overview/introduction