|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/generative-ai-bootcamp/
课程评论：没有评论
课程名称：生成性人工智能训练营 课程概述： 本课程旨在教授学员如何安装和使用多个工具及技术，以构建生成性人工智能应用。课程内容包括： 1. **软件安装与使用**： - 学习如何下载和安装Anaconda Distribution、Jupyter Notebook和Visual Studio Code。 - 掌握Jupyter Notebook的Markdown功能。 2. **环境配置**： - 学习如何安装CUDA Toolkit、cuDNN和PyTorch，并启用GPU支持。 3. **Python基础**： - 学习Python的基本概念，包括包的安装、导入、变量、标识符、类型转换、输入输出、控制语句和循环、函数、字符串及数据结构（列表、元组、集合、字典）。 4. **人工智能基础**： - 理解人工智能、机器学习、深度学习和生成性人工智能的概念及历史。 - 掌握注意力机制及变换器如何编码和解码数据。 5. **基础模型**： - 了解基础模型的历史、应用、类型及实例。 - 学习语言模型性能及如何选择合适的基础模型。 6. **负责任的人工智能**： - 学习负责任的AI实践及消除偏见的重要性。 7. **生成性AI应用开发**： - 使用LangChain和RAG构建生成性AI应用。 - 深入学习RAG（检索增强生成）的相关技术，包括输入准备、分块方法、嵌入、向量存储、相似性搜索和RAG管道。 8. **向量数据库**： - 理解用于RAG系统的向量数据库，如Pinecone、Chroma、Weaviate、Milvus和FAISS。 9. **文本分块方法**： - 学习不同的文本分块方法，如字符分块、递归字符分块、Markdown标题分块和标记分块。 10. **提示工程**： - 掌握提示工程的基本概念，创建OpenAI账户并生成API密钥。 - 学习不同的提示工程技术，包括基本提示、角色任务上下文提示、少量提示、思维链提示和约束输出提示。 11. **文档加载器**： - 理解不同文档加载器，如CSVLoader、HTMLLoader和PDFLoader。 12. **大型语言模型的内存管理**： - 学习如何为大型语言模型提供内存，并掌握不同的内存类型（对话缓冲记忆、对话缓冲窗口、对话摘要记忆）。 13. **链的管理**： - 学习如何组合不同的LangChain组件，了解各种链的类型（单一链、简单顺序链、顺序链、数学链、RAG链、路由链等）。 14. **多代理框架构建**： - 使用CrewAI和LangChain工具构建多代理框架。 15. **Hugging Face的应用**： - 了解Hugging Face及如何使用其模型来构建生成性AI应用。 本课程为希望深入了解生成性人工智能的学员提供了全面的学习内容和实用技能。
Learn how to download and install Anaconda Distribution, Jupyter notebook, Visual Studio CodeLearn how to use Jupyter notebook 'Markdown' features Learn how to install CUDA Toolkit, cuDNN, PyTorch and how to enable GPU Learn Python basics - Introduction, Package Installation, Package Import, Variables, Identifiers, Type conversion, Read input from keyboard, Control statements and Loops, Functions, string, Data Structures - list, tuple, set, dictLearn what is Artificial intelligence, Machine Learning, Deep Learning and Generative AI; And, the history of AI;Understand the attention mechanism and how transformers encode and decode dataUnderstand what are the Foundation Models, history, Applications, types, examples of foundation models.Understand Language Model Performance; Top Open-Source LLMs; How to Select the right Foundation Model?Learn Responsible AI practices and the importance of addressing biasesLearn how to build Generative AI applications Using LangChain, RAGLearn what is RAG(Retrieval-Augmented Generation) and deep dive on preparing input, chunking methods, embeddings, vector store, similarity search, RAG pipelineUnderstand Vector Databases for RAG Systems: Pinecone, Chroma, Weaviate, Milvus, FAISSLearn different Text Chunking Methods in RAG Systems and how to choosing a chunking MethodCharacter Text Splitter Chunking MethodRecursive Character Text Splitter Chunking MethodMarkdown Header Text Splitter Chunking MethodToken Text Splitter Chunking MethodLearn what is Prompt EngineeringLearn how to create OpenAI account and how to generate API keyLearn different prompt engineering techniquesBasic promptRole Task Context PromptFew shot PromptingChain of thought PromptingConstrained Output PromptingUnderstand Document Loaders - CSVLoader, HTMLLoader, PDFLoadersLearn how to provide memory to Large Language Models(LLM)Learn different memory types - ConversationBufferMemory, Conversation Buffer Window, ConversationSummaryMemory Learn how to chain different LangChain componentsLearn different chains - Single Chain, Simple Sequential Chain, Sequential Chain, Math Chain, RAG Chain, Router Chain, LLM Router Chain, SQL ChainLearn how to build multi agentic frameworks using CrewAI and LangChain toolsLearn what is Hugging Face and how to use the models from Hugging Face and build Generative AI applications
