|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/1z0-1127-24-oracle-cloud-infra-2024-gen-ai-prof-practiceexam/
课程评论：没有评论
课程名称：1Z0-1127-24 Oracle Cloud Infra 2024年生成性人工智能专业实践考试 课程概述： 本课程主要针对准备参加Oracle Cloud Infra 2024年的生成性人工智能（Gen AI）专业考试的学习者。课程内容涵盖多个模块，包括大语言模型（LLM）的基础知识、OCI生成性AI服务的使用，以及LLM应用程序的构建。 1. **考试结构与LLM基础**： - 解释LLM的基本概念。 - 理解LLM的架构架构。 - 设计和使用LLM的提示（prompts）。 - 了解LLM的微调（fine-tuning）。 - 认识代码模型、多模态及语言代理。 2. **使用OCI生成性AI服务**： - 介绍OCI生成性AI服务的基础。 - 利用预训练的基础模型进行生成、摘要和嵌入（embedding）。 - 创建专用AI集群以进行微调和推理。 - 使用定制数据集对基础模型进行微调。 - 创建和使用模型端点进行推理。 - 探索OCI生成性AI的安全架构。 3. **构建LLM应用程序**： - 理解检索增强生成（RAG）的概念。 - 解释向量数据库的概念。 - 说明语义搜索概念。 - 构建LangChain模型、提示、内存和链条。 - 使用RAG和LangChain构建LLM应用程序。 - 追踪和评估LLM应用程序。 - 部署LLM应用程序。 4. **考试策略**： - **时间管理**：为每个部分分配特定时间；利用模拟考试评估时间分配。 - **答案技巧**：仔细阅读问题，排除明显错误的答案，并合理管理猜测。 - **模拟考试**：进行完整的模拟考试以模拟真实考试条件。 - **复习错误**：分析错误答案以理解失误并加以改进。 - **敏捷与混合方法**：了解适用于AI开发的敏捷方法和混合方法。 - **有效的准备技巧**：学习方法、资源和策略，以最大程度提高学习和记忆效果。 本课程是为希望深入了解Oracle Cloud基础设施和生成性人工智能的学习者设计的，旨在提供系统的知识和实用的准备策略，帮助考生顺利通过1Z0-1127-24考试。
Exam StructureFundamentals of LLMs- Explain the fundamentals of LLMs- Understand LLM architectures- Design and use prompts for LLMs- Understand LLM fine-tuning- Understand code models, multi-modal, and language agentsUsing OCI Generative AI Service- Explain the fundamentals of OCI Generative AI service- Use pretrained foundational models for Generation, Summarization, and Embedding- Create dedicated AI clusters for fine-tuning and inference- Fine-tune base model with custom dataset- Create and use model endpoints for inference- Explore OCI Generative AI security architectureBuilding an LLM Application- Understand Retrieval Augmented Generation (RAG) concepts- Explain vector database concepts- Explain semantic search concepts- Build LangChain models, prompts, memory, and chains- Build an LLM application with RAG and LangChain- Trace and evaluate an LLM application- Deploy an LLM applicationTest-Taking StrategiesStrategy Details Time Management: Allocate specific times for each section; use practice exams to gauge timing.Answering Techniques: Read questions carefully, eliminate clearly wrong answers, and manage your guesses.Practice Exams: Take full-length practice exams to simulate real exam conditions.Review Mistakes: Analyze incorrect answers to understand mistakes and improve.Agile and Hybrid Approaches: Understand agile methodologies and hybrid approaches applicable to AI development.Comprehensive Practice Exams: Full-length practice exams to prepare for the actual exam conditions.Effective Preparation Techniques: Study methods, resources, and strategies to maximize learning and retention.
