🤖 آمادگی برای مصاحبه طراحی سیستم‌های Generative AI

🚀 طراحی سیستم‌های Generative AI یا GenAI در مصاحبه‌های فنی میتونه پیچیده و چالش‌برانگیز باشه. این کتاب با ارائه یک مسیر روشن، Framework هفت‌مرحله‌ای، نمونه‌های واقعی و بیش از ۲۸۰ نمودار کمک میکنه ساختار این سیستم‌ها را بهتر درک کنی و به طیف گسترده‌ای از پرسش‌های System Design پاسخ بدی.

✨ ویژگی‌های کلیدی

🎯 دیدگاهی از داخل فرایند مصاحبه ارائه میده تا با انتظارات واقعی مصاحبه‌کنندگان و دلیل مطرح‌شدن هر نوع سؤال آشنا بشی.

🧩 یک Framework هفت‌مرحله‌ای در اختیارت قرار میده که میتونی از آن برای پاسخ‌دادن منظم به پرسش‌های طراحی سیستم‌های GenAI استفاده کنی.

🛠️ ده سؤال واقعی درباره GenAI System Design را همراه با راه‌حل‌های عمیق و توضیحات کاربردی بررسی میکنه.

📊 بیش از ۲۸۰ نمودار داره که ساختار و عملکرد سیستم‌های پیچیده Generative AI را قابل‌فهم‌تر میکنن.

📘 توضیح کتاب

🧠 طراحی سیستم‌های Generative AI برای مصاحبه‌های فنی فقط به شناخت مدل‌ها محدود نمیشه. باید اجزای یک سیستم، ارتباط میان آن‌ها و تصمیم‌های طراحی را به‌صورت روشن و ساختاریافته توضیح داد. این کتاب رویکردی مشخص ارائه میده تا مواجهه با طیف متنوعی از پرسش‌های این حوزه ساده‌تر بشه.

📚 مطالب کتاب ترکیبی از یک Framework عملی و مثال‌های دنیای واقعی هستن. این ساختار کمک میکنه مفاهیم فقط در سطح نظری باقی نمونن و نحوه ساخت سیستم‌های GenAI در عمل هم قابل‌درک باشه.

🔗 این اثر مکمل کتاب ML System Design Interview است. کتاب اول روی موضوعاتی مثل سیستم‌های Search و Recommendation تمرکز داره، اما این کتاب به سیستم‌های مولد اختصاص پیدا کرده و با مثال‌ها و توضیحات دقیق، چگونگی طراحی آن‌ها را بررسی میکنه.

⚙️ پروژه‌ها و نمونه‌های کتاب حوزه‌های متنوعی را پوشش میدن؛ از Gmail Smart Compose، Google Translate و ChatGPT گرفته تا Image Captioning، Retrieval-Augmented Generation و تولید تصویر و ویدئو.

🖼️ بخش‌های مربوط به سیستم‌های تصویری، موضوعاتی مثل تولید چهره واقعی، High-Resolution Image Synthesis، تولید تصویر از متن و ساخت Headshot شخصی‌سازی‌شده را بررسی میکنن. فصل پایانی هم به طراحی سیستم Text-to-Video اختصاص داره.

🎯 بعد از مطالعه کتاب، یک الگوی منظم برای تحلیل مسائل GenAI System Design به دست میاری و میتونی ساختار، اجزا و تصمیم‌های فنی سیستم‌های مولد مختلف را در مصاحبه‌ها با وضوح بیشتری توضیح بدی.

🎯 چیزهایی که یاد میگیری

🧭 یاد میگیری پرسش‌های مصاحبه GenAI System Design را با یک Framework هفت‌مرحله‌ای تحلیل کنی.

💬 با طراحی یک Chatbot دستیار شخصی شبیه ChatGPT آشنا میشی.

📧 درک میکنی سیستمی مثل Gmail Smart Compose چطور طراحی میشه.

🌐 با طراحی سیستم‌های ترجمه ماشینی مثل Google Translate آشنا میشی.

🔎 یاد میگیری معماری Retrieval-Augmented Generation یا RAG را بررسی کنی.

🖼️ با سیستم‌های Image Captioning، تولید چهره واقعی و ساخت تصاویر High-Resolution آشنا میشی.

🎨 میتونی مفاهیم طراحی سیستم‌های Text-to-Image و تولید Headshot شخصی‌سازی‌شده را تحلیل کنی.

🎬 با اجزا و ملاحظات طراحی سیستم‌های Text-to-Video آشنا میشی.

👤 این کتاب برای چه کسانیه؟

💼 این کتاب برای افرادی مناسبه که میخوان برای مصاحبه‌های طراحی سیستم در حوزه Generative AI آماده بشن و به یک روش ساختاریافته برای تحلیل و پاسخ‌دادن به پرسش‌های GenAI نیاز دارن.

🧠 مطالب برای کسانی هم کاربرد داره که میخوان با مثال‌های واقعی، نحوه طراحی سیستم‌هایی مثل ChatGPT، RAG، تولید تصویر و تولید ویدئو را بهتر درک کنن. در متن منبع پیش‌نیاز مشخصی برای مطالعه کتاب ذکر نشده است.

📖 فهرست مطالب

فصل ۱. مقدمه و مرور کلی

فصل ۲. Gmail Smart Compose

فصل ۳. Google Translate

فصل ۴. ChatGPT؛ Chatbot دستیار شخصی

فصل ۵. توصیف‌گذاری تصویر

فصل ۶. Retrieval-Augmented Generation

فصل ۷. تولید چهره‌های واقع‌گرایانه

فصل ۸. تولید تصاویر High-Resolution

فصل ۹. تولید تصویر از متن

فصل ۱۰. تولید Headshot شخصی‌سازی‌شده

فصل ۱۱. تولید ویدئو از متن

👥 درباره نویسندگان

🧠 هائو شنگ پژوهشگر و مهندس متخصص در AI و Machine Learning است که بیش از ده سال تجربه تخصصی داره. او مدرک Ph.D. مهندسی کامپیوتر خود را از Stanford University دریافت کرده است.

🏢 هائو شنگ سابقه فعالیت در OpenAI، Apple، TikTok و Landing AI را داره. حوزه‌های تخصصی او شامل Recommendation Systems، Computer Vision و Generative AI میشن.

🎓 او همچنین درس Search and Recommendation Systems را در Stanford تدریس کرده است.

⚙️ علی امینیان نویسنده و Staff ML Engineer با بیش از ده سال تجربه تخصصی در شرکت‌های فناوری است. او در Adobe و پیش‌تر در Google فعالیت کرده و در ساخت سیستم‌های بزرگ‌مقیاس و توزیع‌شده Machine Learning تجربه داره.

🌐 اطلاعات بیشتر درباره علی امینیان در صفحه LinkedIn او در دسترس است.

Designing generative AI (GenAI) systems for interviews can be complex and challenging. This book offers a clear and structured approach to help you tackle a wide range of GenAI system design questions. It provides a practical framework and real-world examples to make learning these concepts easier.

This book complements our ML System Design Interview book. While the first book focuses on topics such as search and recommendation systems, this one centers on generative systems, with detailed examples and explanations to help you understand how GenAI systems are built in practice.

What’s inside?

An insider’s perspective on what interviewers are truly looking for and why.

A 7-step framework to help you tackle GenAI system design interview questions.

10 real-world GenAI system design questions with in-depth solutions.

280+ diagrams to demystify complex GenAI systems.

Table Of Contents

Chapter 1 Introduction and Overview

Chapter 2 Gmail Smart Compose

Chapter 3 Google Translate

Chapter 4 ChatGPT: Personal Assistant Chatbot

Chapter 5 Image Captioning

Chapter 6 Retrieval-Augmented Generation

Chapter 7 Realistic Face Generation

Chapter 8 High-Resolution Image Synthesis

Chapter 9 Text-to-Image Generation

Chapter 10 Personalized Headshot Generation

Chapter 11 Text-to-Video Generation

About the Author

Hao Sheng is a researcher and engineer specializing in AI and machine learning with over 10 years of expertise. He holds a Ph.D. in Computer Engineering from Stanford University and has worked at OpenAI, Apple, TikTok, and Landing AI. His expertise spans recommendation systems, computer vision, and generative AI. Hao has also taught "Search and Recommendation Systems" at Stanford.

Ali Aminian is an author and a Staff ML engineer with +10 years of expertise working in tech companies (Adobe, Ex-Google) building large-scale and distributed ML systems. He can be found online on LinkedIn: https://www.linkedin.com/in/aliiaminian