هوش مصنوعی دستی: ساخت اپلیکیشن های مجهز به LLM

مدرس Han-chung Lee

انتشار 2024/02/26

مدت زمان 1h 16m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Hands-On AI: Building LLM-Powered Apps

آیا آماده شروع ساخت برنامه‌های کاربردی با مدل‌های زبان بزرگ (LLM) هستید، اما نمی‌دانید 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 خود در طول مسیر ارائه می دهد.موارد ضروری بازیابی را کاوش کنید. -نسل تقویت شده شامل اصول اولیه موتور جستجو، تعبیه محدودیت های مدل، و نحوه ساخت یک برنامه چت با PDF. 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.این دوره با GitHub Codespaces، یک محیط توسعه دهنده ابر فوری که همه چیز را ارائه می دهد، ادغام شده است. عملکرد IDE مورد علاقه شما بدون نیاز به هیچ گونه تنظیمات ماشین محلی. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، ویدیوی «استفاده از فضاهای کد GitHub با این دوره» را بررسی کنید.

Application Development مدل‌های زبان بزرگ (LLM)

Introduction

Building apps using large language models ()

1. LLM: The Essentials

Language models and tokenization ()

Large language model capabilities ()

Challenge: Introduction to Chainlit ()

Solution: Introduction to Chainlit solution ()

Prompts and prompt templates ()

Obtaining an OpenAI token ()

Challenge: Adding an LLM to the Chainlit app ()

Solution: Adding an LLM to the Chainlit app ()

Large language model limitations ()

2. Retrieval Augmented Generation

Retrieval augmented generation ()

Search engine basics ()

Embedding search ()

Embedding model limitations ()

Challenge: Enabling load PDF to Chainlit app ()

Solution: Enabling load PDF to Chainlit app ()

Challenge: Indexing documents into a vector database ()

Solution: Indexing documents into a vector database ()

Challenge: Putting it all together ()

Solution: Putting it all together ()

Trying out your chat with the PDF app ()

3. Prompt Engineering

Prompt engineering basics ()

Challenge: Set up prompting ()

Solution: Set up prompting ()

Prompt playground for LLM apps ()

Challenge: Fixing hallucination via prompting ()

Solution: Fixing hallucination via prompting ()

Conclusion

Continue your LLM journey ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش هوش مصنوعی دستی: ساخت اپلیکیشن های مجهز به LLM

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Hands-On AI: Building LLM-Powered Apps در 1 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

هوش مصنوعی مولد هجومی از مهارت ها و ابزارهای جدید را برای توسعه دهندگان ایجاد کرده است تا در کارهای روزمره خود از آنها استفاده کنند. در این مسیر یادگیری، ابزارها و چارچوب‌های جدید هوش مصنوعی را بررسی خواهید کرد که به توسعه‌دهندگان اجازه می‌دهد سریع‌تر و آسان‌تر و با قدرت هوش مصنوعی بسازند.

آموزش هوش مصنوعی دستی: ساخت اپلیکیشن های مجهز به LLM ، ایستگاه شماره 9 در مسیر یادگیری ایجاد مهارت های مولد هوش مصنوعی برای توسعه دهندگان ، است.

مسیر یادگیری ایجاد مهارت های مولد هوش مصنوعی برای توسعه دهندگان