面向 Python 和机器学习爱好者的 Google Colab 课程

MP4 |视频：h264，1920×1080 |音频：AAC，44.1 KHz，2 Ch
级别：初学者 |类型： 电子学习 |语言： 英语 |持续时间：27 场讲座（1 小时 18 分钟）

你将学到什么

• 了解如何在 Google Colab 中运行 Python 程序
• 学习使用 Python 进行数据科学和机器学习
• 在 Google Colab 上使用 Hugging Face 和 LangChain
• 在 Google Colab 上实施 RAG。
• 您将学习在网络浏览器中运行 Python 程序
• 无需安装任何软件即可专业运行 Python 程序
• 在云端运行数据科学和机器学习程序
• 在 Google Colab 上执行情绪分析
• Google Colab 上的文本分类
• 在 Google Colab 上执行翻译
• 在 Google Colab 上实现文本转图像
• 在 Google Colab 上实现文本转视频

欢迎来到Colab 课程。

Colab 是一个完全在云端运行的笔记本环境。避免在系统上安装 Python 的麻烦，并直接在 Web 浏览器中运行 Python 程序。

在本课程中，学习如何充分利用 Colab 的 Python 编程和 AI 工作流程潜力。从基础知识开始，创建您的第一个笔记本并探索 Colab 的强大功能。了解如何利用 TPU 和 GPU 运行时来加速计算。使用行号、深色主题和字体调整等设置自定义您的环境。掌握导入和导出笔记本，并无缝运行 NumPy、Pandas 和 Matplotlib 等基本库。

在 Google Drive 和 GitHub 上轻松分享您的工作，同时深入研究单元操作和笔记本管理。探索与 Hugging Face 的高级集成，以进行情感分析、文本分类、摘要、翻译，甚至文本到图像或视频合成。

最后，通过 LangChain 和检索增强生成 (RAG) 实现步入尖端人工智能领域；一切都在 Colab 的协作生态系统内。

让我们开始旅程吧。

课程内容

第 1 部分：Google Colab 简介

1. Google Colab 简介和特点

第 2 部分：Google Colab – 设置并运行第一个 Python 程序

1. 在 Colab 上创建第一个笔记本

第 3 部分：Colab 运行时类型 – TPU 和 GPU

1. 了解 TPU 和 GPU

第 4 部分：Colab – 设置

1. 在 Colab Notebook 上显示行号
2. 在 Colab 上启用深色主题
3. 增大 Colab Notebook 上的字体大小

第 5 部分：Colab – 导入和导出

1. 从 Colab 下载 Python Notebook (.ipynb)
2. 将 Python Notebook 导入 Colab

第 6 节：Colab – 运行 NumPy、Pandas 和 Pandas Matplotlib

1. 在 Colab 上运行 Pandas 程序
2. 在 Colab 上运行 NumPy 程序
3. 在Colab上运行Matplotlib程序

第 7 节：Colab – 将笔记本共享到 Google Drive 和 Google Drive GitHub

1. 在云端硬盘上共享 Colab 笔记本
2. 在 GitHub 上分享 Colab Notebook

第 8 节：Colab – 细胞研究

1. 深入研究单元格（文本+代码）
2. 在笔记本上执行查找和替换

第 9 部分：从 GitHub 和 Google 云端硬盘打开笔记本

1. 从 Google 云端硬盘打开 Colab 笔记本
2. 从 GitHub 打开 Colab Notebook

第 10 节：在 Colab 上拥抱脸部

1. 拥抱脸 – 简介和功能
2. 在 Google Colab 中使用 Hugging Face 进行情感分析
3. 在 Google Colab 中使用 Hugging Face 进行文本分类
4. 在 Google 中使用 Hugging Face 进行文本摘要 科拉布
5. 在 Google 中使用 Hugging Face 进行文本到文本（翻译） 科拉布
6. 在 Google Colab 中使用 Hugging Face 回答问题
7. 在 Google Colab 中使用 Hugging Face 进行文本转图像
8. 在 Google Colab 中使用 Hugging Face 进行文本到视频合成

第 11 节：Google Colab 上的 LangChain 与 RAG

1. LangChain 与 RAG 示例以及在 Google Colab 中的实现

本课程适合谁：

• Python 开发人员
• 人工智能工程师
• 机器学习工程师
• 对设置数据科学库感到好奇的开发者
• 对设置机器学习库感到好奇的开发者
• 程序员希望在不安装任何软件的情况下编写 Python 代码
• 程序员想要合作Web 浏览器上的 Python
• RAG 爱好者
• 想要在 Google Colab 上使用 Hugging Face 的用户
• 想要在 Google Colab 上使用 LangChain 的用户
• AI 爱好者可以更轻松地使用 Google Colab 进行文本转图像
• AI 爱好者可以更轻松地使用 Google Colab 进行文本转视频