دوره آموزشی هوش مصنوعی عملی: ساخت اپلیکیشنهای مجهز به LLM
1 ساعت 16 دقیقهمتوسط2024-02-26
مدرسین

Han-chung Lee
جزئیات دوره
آیا آماده شروع ساخت برنامه های کاربردی با مدل های زبان بزرگ (LLM) هستید، اما نمی دانید از کجا شروع کنید؟ این دوره که به طور منحصر به فرد برای مبتدیان بدون تجربه در فضای LLM طراحی شده است، مروری بر اصول LLM با چالش های عملی برای تقویت مهارت های شما در طول مسیر ارائه می دهد.
ملزومات تولید افزوده بازیابی از جمله اصول اولیه موتور جستجو، تعبیه محدودیتهای مدل، و نحوه ایجاد یک برنامه چت با PDF را کاوش کنید. در طول مسیر، مربی هان لی به شما نشان می دهد که چگونه با مهندسی سریع، با استفاده از زمین بازی سریع برای برنامه های LLM، راه بیفتید و اجرا کنید.
ملزومات تولید افزوده بازیابی از جمله اصول اولیه موتور جستجو، تعبیه محدودیتهای مدل، و نحوه ایجاد یک برنامه چت با PDF را کاوش کنید. در طول مسیر، مربی هان لی به شما نشان می دهد که چگونه با مهندسی سریع، با استفاده از زمین بازی سریع برای برنامه های LLM، راه بیفتید و اجرا کنید.
مهارت ها
Mobile Device ManagementNatural Language Processing (NLP)Full-Stack Web DevelopmentPythonProjectArtificial Intelligence (AI)Web DevelopmentNetwork and System AdministrationOpen Source
سرفصل ها
0. مقدمه
- 01 - ساختن برنامهها با استفاده از مدلهای زبان بزرگ
1. LLM - ملزومات
- 02 - مدلهای زبان و نشانه گذاری
- 03 - قابلیتهای مدل زبان بزرگ
- 04 - چالش - مقدمه ای بر Chainlit
- 05 - راه حل - مقدمه ای بر محلول Chainlit
- 06 - درخواستها و الگوهای اعلانات
- 07 - دریافت توکن OpenAI
- 08 - چالش - اضافه کردن یک LLM به برنامه Chainlit
- 09 - راه حل - اضافه کردن یک LLM به برنامه Chainlit
- 10 - محدودیتهای مدل زبان بزرگ
2. بازیابی نسل افزوده
- 11 - بازیابی نسل افزوده
- 12 - اصول اولیه موتورهای جستجو
- 13 - جستجوی تعبیه شده
- 14 - تعبیه محدودیتهای مدل
- 15 - چالش - فعال کردن دانلود PDF در برنامه Chainlit
- 16 - راه حل - فعال کردن دانلود PDF در برنامه Chainlit
- 17 - چالش - پروفایل سازی اسناد در پایگاه داده برداری
- 18 - راه حل - پروفایل سازی اسناد در پایگاه داده برداری
- 19 - چالش - کنار هم گذاشتن همه
- 20 - راه حل - همه را کنار هم گذاشتن
- 21 - چت خود را با برنامه PDF امتحان کنید
3. مهندسی سریع
- 22 - اصول اولیه مهندسی
- 23 - چالش - راهاندازی درخواست
- 24 - راه حل - راهاندازی درخواست
- 25 - زمین بازی سریع برای برنامههای LLM
- 26 - چالش - رفع توهم از طریق تلقین
- 27 - راه حل - رفع توهم از طریق تلقین
نتیجه
- 28 - به سفر LLM خود ادامه دهید
دوره های مرتبط
- دوره آموزشی ایجاد برنامههای پیشرفته هوش مصنوعی با پایتون، APIها و مدلهای GitHub
- دوره آموزشی اپ تحلیل داده با قدرت LLM با پایتون و Streamlit
- دوره آموزشی ساخت برنامههای ارزیابی LLM با LangChain
- دوره آموزشی ساخت عاملهای هوش مصنوعی محلی با Gemma و Ollama
- دوره آموزشی هوش مصنوعی عملی: ساخت اولین اپلیکیشن خود با قدرت LLM
- دوره آموزشی راهنمای کامل ارزیابی مدلهای زبان بزرگ (LLMها)
- دوره آموزشی ساخت ایجنتهای مرورگر مبتنی بر هوش مصنوعی با Playwright و مدلهای زبانی بزرگ
- دوره آموزشی ساخت چتباتهای سفارشی با n8n
مسیرهای مرتبط
- مسیر آموزشی ساخت عوامل هوش مصنوعی: تکنیکهای پیشرفته برای توسعهدهندگان
- مسیر آموزشی ایجاد مهارت های مولد هوش مصنوعی برای توسعه دهندگان
- مسیر آموزشی گواهینامه حرفهای هوش مصنوعی مولد از Snowflake
- مسیر آموزشی گواهینامه حرفه ای پایگاه های داده برداری
- مسیر آموزشی ساخت محصولات هوش مصنوعی: گواهینامه حرفهای معماری و ارکستراسیون
- مسیر آموزشی درک هوش مصنوعی تولیدکننده برای رهبران فناوری
- مسیر آموزشی راهنمای توسعهدهنده Google Gemini
- مسیر آموزشی شروع کار با مهندسی پرامپت