|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/learn-large-language-models-llms-with-python-and-langchain/
课程评论：没有评论
课程名称：使用 Python 和 LangChain 学习大型语言模型（LLMs） 课程概述：解锁大型语言模型（LLMs）的强大功能，将尖端人工智能应用到您的项目中！此课程针对初学者，是一门全面深入的课程，带您进入基于变换器的模型世界——从基础架构如 BERT 和 RoBERTa，到生成型巨头如 GPT 和 Meta 的 LLaMA。除此之外，您还将探索检索增强生成（RAG），这是增强 LLM 的实时、上下文感知信息检索的强大方法。学习 RAG 如何弥补静态模型与动态、基于知识的生成之间的差距——非常适合聊天机器人、企业搜索和 AI 助手等应用。无论您是初学者 Python 开发者，还是对 LLM 的工作原理感到好奇，这门课程都将提供理论、实践技能和实际见解，让您自信使用现代 AI 工具。 课程内容： 第一部分 - 变换器 - 词嵌入 - 位置嵌入与编码 - 自注意力机制 - 掩码 - 多头架构 - 如何训练变换器架构 - 变换器架构：GPT、BERT 和 LLaMA 第二部分 - 仅编码器架构 - BERT 基础知识 - 模型的预训练和微调 - [CLS] 标记 - BERT 和 RoBERTa的应用 - 使用 BERT 进行情感分析、文本分类和问答 第三部分 - 仅解码器架构 - GPT 和 LLaMA 基础知识 - 来自人类反馈的强化学习（RLHF） - 微调仅解码器架构 - LoRA 和 QLoRA - 在自定义数据集上微调模型 第四部分 - 检索增强生成（RAG） - RAG 是什么？ - 语义搜索和向量数据库 - LSH 和 HNSW 算法 - 使用 RAG 处理 PDF 文件 第五部分 - 提示工程 - 提示工程基础 - 零-shot 提示 - few-shot 提示 - 思维链（CoT） - 提示链方法 今天就加入课程，开始探索大型语言模型和检索增强生成的世界。无论您是构建更智能的应用程序、增强您的 AI 知识，还是仅仅想探索语言技术的未来，这门课程将为您提供工具和信心，让您提升自己的能力。现在就注册，开始使用塑造未来的 AI 模型进行构建吧。让我们开始学习！
Unlock the power of Large Language Models (LLMs) and bring cutting-edge AI to your projects! This beginner-friendly yet comprehensive course takes you deep into the world of transformer-based models - from foundational architectures like BERT and RoBERTa, to generative giants like GPT and Meta's LLaMA.But we don't stop there.You'll also explore Retrieval-Augmented Generation (RAG) - one of the most powerful methods to enhance LLMs with real-time, context-aware information retrieval. Learn how RAG bridges the gap between static models and dynamic, knowledge-grounded generation - perfect for applications like chatbots, enterprise search, and AI assistants.Whether you're a beginner Python developer or someone curious about how LLMs really work, this course will give you the theory, hands-on skills, and real-world insights to work confidently with modern AI tools.What You'll LearnSection 1 - Transformersword embeddingspositional embeddings and encodingself-attention mechanismmaskingmulti-head architecturehow to train a transformer architecturetransformer architectures: GPT, BERT and LLaMASection 2 - Encoder-Only ArchitecturesBERT fundamentalspre-training and fine-tuning the modelthe [CLS] tokenBERT and RoBERTasentiment analysis, text classification and question answering with BERTSection 3 - Decoder-Only ArchitecturesGPT and LLaMA fundamentalsreinforcement learning from human feedback (RLHF)fine-tuning decoder-only architecturesLoRA and QLoRAfine-tuning models on custom datasetSection 4 - Retrieval-Augmented Generation (RAG)what is RAG?semantic search and vector databasesLSH and HNSW algorithmsusing RAG with PDF filesSection 5 - Prompt Engineeringprompt engineering fundamentalszero-shot promptingfew-shot promptingchain of thoughts (CoT)prompt chaining methodsJoin the course today and start your journey into the world of Large Language Models and Retrieval-Augmented Generation. Whether you're building smarter apps, enhancing your AI knowledge, or simply exploring the future of language technology - this course will give you the tools and confidence to level up.Enroll now and start building with the AI models shaping the future. Let's get learning!
