|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/genai-app-dev/
课程评论：没有评论
課程名稱：生成式AI應用開發 課程概述： 本課程旨在教授學員如何使用Python從零開始設計和開發一個簡易的大型語言模型（LLM）程式。課程將涵蓋使用現代CI/CD pipeline（GitHub Actions）進行LLM後端測試，並利用Hugging Face Space進行部署。適合希望為應用程式建立基於LLM的聊天機器人的軟體工程師和開發人員。 課程核心特色： * **從零開始到精通：** 教授使用Python設計和開發LLM後端。 * **實戰技能：** 學習使用CI/CD pipeline和GitHub Actions測試LLM後端，並利用Hugging Face Space部署。 課程單元規劃： 1. **AI與大型語言模型基礎：** 介紹人工智慧和LLM的基本概念。 2. **FastAPI與LLM後端開發：** 介紹FastAPI及其在LLM後端建置上的應用。 3. **環境設置：** 協助學員設置必要的帳戶和開發環境。 4. **容器化：** 使用Docker進行應用程式的容器化。 5. **CI/CD流程：** 利用GitHub Actions建立自動化測試與部署流程。 6. **AI應用程式監控：** 使用狀態頁面監控AI應用程式。 教學方式： 課程包含投影片講課、螢幕錄製操作畫面及實際示範。 課程內容設計： 課程融合觀念建立、理論、操作技術、範例剖析與實作練習，並提供專有名詞解釋。 講師介紹： Mark，臺灣研究工程師，專注於量子人工智慧與AI研究，並具備全端工程師經驗，曾與臺大等機構合作，並擔任臺大人工智慧應用社講師。 先修要求： * 基本的Python知識。 * Hugging Face 訂閱。 * GitHub 帳戶。 * OpenAI API 訂閱。 * Visual Studio Code。 * Python 3.9 或更高版本，並安裝Pip。
課程緣起隨著人工智慧技術的迅速發展，越來越多的系統與應用程式開始採用大型語言模型（LLM）作為其核心的技術之一。本課程旨在提供一個從零開始到精通的指南，教授學員如何使用Python設計和開發一個簡易的LLM程式。透過本課程，學員將學習如何使用現代的CI/CD pipeline from GitHub 進行LLM後端程式測試，並使用Hugging Face Space 部署程式。本課程針對希望為自己的應用程式建立一個基於LLM的聊天機器人的軟體工程師和開發人員。需要具備基本的Python知識。參與者需要擁有Hugging Face 訂閱、GitHub 帳戶、OpenAI API 訂閱、Visual Studio Code、Python 3.9或更高版本以及安裝了Pip。本課程涵蓋了多個主題，包括人工智慧和大型語言模型的基礎知識，使用FastAPI構建LLM後端，設置開發環境，使用Docker進行容器化，使用GitHub Actions實現CI/CD流程，以及使用狀態頁面監控人工智慧應用程式。完成本課程後，學員將掌握開發和部署LLM後端的必要技能，以應用於聊天機器人或其他專案中。課程核心特色清楚介紹課程主題：從零開始到精通，教授學員如何使用Python設計和開發一個強大的LLM後端。清楚介紹課程目標與學習目的，說明學生能夠習得的技能或實際做出的作品：學習如何使用現代的CI/CD pipeline和GitHub Action 測試LLM後端等等。課程單元規劃簡述課程單元架構，並描述各單元教學重點：介紹AI和大型語言模型（LLM）、介紹FastAPI以及為什麼它適合用於建立LLM後端、設置帳戶和開發環境。清楚說明教學方式：投影片講課、螢幕錄製操作畫面、示範等。清楚說明課程內容設計：觀念建立、理論或心法、操作技術、範例剖析、實作練習等。提供專有名詞解釋以符合學員所需背景知識。關於Mark 講師Mark 是來自於台灣的研究工程師。 他是量子人工智慧和人工智慧相關領域的研究員，與臺灣大學和其他研究機構合作，設計新穎的量子深度學習方法來實現量子機器學習實用性。 同時，他也是一位經驗豐富的全端工程師，擁有 Next.js 前端和用於產生 AI 工作負載的 Python 後端開發，並多次擔任臺大人工智慧應用社的講師。
