适合初学者的生成式 AI：聊天机器人、RAG、MCP 和 AI 代理

MP4 |视频：h264，1280×720 |音频：AAC、44.1 KHz、2 Ch
级别：全部 |类型： 电子学习 |语言： 英语 |时长：61 场讲座（17h 31m）

你将学到什么

• 掌握生成式 AI、大型语言模型和 Transformer 架构的基础。
• 构建真实世界的 AI 应用，包括聊天机器人、RAG 系统、MCP 服务器和多代理系统。
• 使用 Docker、Streamlit、Ollama、vLLM 和 AWS EC2 在云上部署由 LLM 提供支持的解决方案。
• 获得成为生成式 AI 工程师职位所需的知识和实践技能。

要求

本课程只需要对 Python 和机器学习有基本的了解。不需要生成人工智能的先验知识——我们从基础知识开始，逐步发展到高级概念。您所需要的只是通过构建现实世界项目来学习的好奇心。

描述

这门完整的生成式 AI 课程通过实践项目、实际应用和职业准备技能，带领您从初学者到高级。您将学习生成式 AI 的基础知识，探索大型语言模型 (LLM)，掌握 LangChain、LlamaIndex、CrewAI 和 PydanticAI 等框架，并在云上部署您自己的 AI 解决方案。该课程是为您量身定制的，旨在为您提供成为生成式人工智能工程师角色所需的知识和实践经验。每个部分都包含测验和练习。编码练习可帮助您测试您的知识并增强您的技能。您将在每个部分中学到什么1。简介 – 开始学习课程，了解您将学到的内容和内容设置Python环境（Colab、Jupyter、PyCharm）。2.生成式 AI – 基础 – 了解 AI、ML、DL 与 GenAI，深入研究大型语言模型，并学习 Transformer 架构。3。使用Python访问LLM——使用OpenAI、Gemini、Groq和Ollama LLM，并通过LangChain和LlamaIndex.4连接它们。提示工程 – 探索提示模板、零样本和少样本提示，以与 LLM 有效交互。5。构建 GenAI 聊天机器人 – 使用 LangChain、LlamaIndex、Streamlit UI 和 Streamlit Cloud.6 逐步构建和部署聊天机器人。检索增强生成 (RAG) – 了解 RAG，使用 LangChain 和 LlamaIndex 构建 RAG 管道，并创建 PDF 问答机器人。7. AI 代理 – 了解什么是 AI 代理，并使用 PydanticAI、AutoGen 和 CrewAI 为多代理工作流程构建代理。8. LLM 部署 – 使用 Ollama、Docker 和 vLLM 部署开源 LLM，并将其设置在 AWS EC2 上以供实际使用。9.模型上下文协议 (MCP) – 了解 MCP、构建 MCP 服务器并将 MCP 工具与 PydanticAI 和 CrewAI 代理集成。10。 Capstone 项目 – 应用所学到的一切来构建现实世界的 AI 项目：企业聊天机器人、RAG 助手和具有完整云部署的智能 AI 代理。

本课程适合谁

本课程面向具有基本 Python/ML 知识、希望通过实践项目成为生成式 AI 工程师的学生、开发人员和专业人士。