llmops در عمل: شیرجه عمیق

مدرس Laurence Moroney

انتشار 2024/12/18

مدت زمان 4h 26m

سطح مناسب همه

فایل تمرینی ندارد

آموزش LLMOps in Practice: A Deep Dive

همانطور که برنامه های مبتنی بر LLM گسترش می یابد ، بسیاری از آنها به عنوان روکش های نازک در اطراف مدل های قوی تر مانند GPT عمل می کنند. در این دوره ، مربی لورنس مورونی اصول اولیه ساخت برنامه LLM خود را نشان می دهد و کنترل نحوه عملکرد آن از انتهای آن را نشان می دهد. در مورد برخی از موارد اصلی استفاده LLM در توسعه برنامه ، مقدمه ای کسب کنید. دانش اساسی Python ، Node.js و LLMS لازم است. در پایان این دوره ، شما آماده خواهید بود که یک اکوسیستم OPS ایجاد کنید که عملکرد اصلی آن مبتنی بر LLM است.

Artificial Intelligence (AI) Generative AI Large Language Model Operations (LLMOps) مدل‌های زبان بزرگ (LLM)

Introduction

A deep dive into LLM operations ()

What are LLMs? ()

What are transformers? ()

What is LLMOps? ()

1. Build a Basic LLM App

Prompting ()

Advanced prompting ()

Hosting an app ()

Create a chatbot ()

LLM exercise ()

Adding logging to your server ()

2. First Steps in Ops

Coding for logging ()

Exploring the logging system ()

RLHF and user feedback ()

Challenge: Implementing RLHF and user feedback ()

Demonstrating the ops project completed ()

Solution: Completing an ops project ()

Demonstrating the code for the ops ()

3. BYOD with RAG

Retrieval augmented generation (RAG) ()

Installing and setting up a VectorDB ()

Create a VectorDB ()

BYOD to a VectorDB ()

VectorDB: Hands-on use case ()

Querying the VectorDB ()

Demonstration: Querying the VectorDB ()

Extending your app with RAG ()

RAG: Showing it in action ()

Challenge: Complete RAG application ()

Solution: Complete RAG application ()

4. RAG and Ops

Extending RAG with ops ()

Logging ()

Hands-on logging ()

Metrics ()

Hands-on metrics ()

Version management ()

Hands-on version management ()

RAG Ops: Updating the data ()

Hands-on RAG ops ()

RAG in action: Exercise ()

Conclusion

Continue your LLMOps learning 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 llmops در عمل: شیرجه عمیق

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 LLMOps in Practice: A Deep Dive در 1 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

عملیات یادگیری ماشین (MLOps) پایه‌ای برای مدیریت و نگهداری برنامه‌های یادگیری ماشین شما فراهم می‌کند، اما برای استفاده مؤثر از مدل‌های زبان بزرگ (LLM) باید برخی جزئیات تخصصی را بدانید. این دوره ها شما را از تکنیک های کلیدی برنامه نویسی برای MLOps و LLMOps از طریق جزئیات ایجاد برنامه های کاربردی مبتنی بر LLM راهنمایی می کند. شما پروژه های خود را از طریق توسعه، آزمایش، و سپس تولید به آرامی اجرا خواهید کرد.

آموزش llmops در عمل: شیرجه عمیق ، ایستگاه شماره 2 در مسیر یادگیری LLM های خود را با LLMOps مدیریت کنید ، است.