适合初学者的生成式人工智能 ()

资源截图

MP4 |视频：h264，1920×1080 |音频：AAC，44.1 KHz，2 Ch
语言：英语 |时长：7小时42米

你将学到什么

• 生成式人工智能简介，GenAI 与传统人工智能和人工智能的区别使用 Ollama 设立本地法学硕士
• Ollama 安装
• 基础模型，包括 OpenAI、Llama、Gemini、Claude 和Qwen 和 Transformer 架构
• 在提示工程中，包括零样本提示、少样本提示和思维链提示，不同的提示用于不同的任务。
• 为什么选择矢量数据库；矢量数据库（包括 Pinecone、Chroma 和 FAISS）与传统数据库之间的差异。
• 包括LangChain、LlamaIndex 和LlamaIndex 在内的框架法学硕士
• 模型压缩和模型压缩微调，包括LoRA、QLoRA和PEFT。使用GCP和LORA进行微调
• 生成式 AI 用法和架构（IR、RAG、带 reRanker 的 RAG、混合搜索、上下文 RAG 和 LightRAG）和可观测性

要求

• 基本编程技能

描述

本课程涵盖的主题：

1. 生成式人工智能简介、GenAI 与传统人工智能的区别、不同的人工智能模型（包括线性回归、分类和聚类）  &使用 Ollama 设立本地法学硕士
2. 基础模型，包括 OpenAI、Llama、Gemini、Claude 和Qwen，为什么参数很重要，常规 LLMS 和推理 LLM 之间的区别，以及 Transformer 架构
3. 提示工程，包括零样本、少样本和思维链，针对不同的任务使用不同的提示。
4. 为什么选择矢量数据库，矢量数据库（包括 Pinecone、Chroma 和 FAIS）与传统数据库之间的差异。我们如何使用分块和嵌入将公司知识库提取到向量数据库，以及如何进行语义搜索。
5. 包括LangChain、LlamaIndex 和LlamaIndex 在内的框架法学硕士。使用 LangChain 和 LlamaIndex 框架构建不同的应用程序，以及我们如何使用 vLLM 将模型部署到本地或本地环境并进行推理。
6. 模型压缩和模型压缩F微调微调，QLoRA & PEFT.微调我们的 LORA。不同的量化技术。
7. 生成式 AI 用法和架构（IR、RAG、带 reRanker 的 RAG、混合搜索、上下文 RAG 和 LightRAG）和可观测性
8. 应用程序和使用 Streamlit 和 API格拉迪奥。通过 REST 端点公开 LLM 供 UI 使用。自然语言到 SQL 生成。代理及多代理系统。 Gen AI 和 Agentic AI 之间的区别。不同的 Agentic AI 架构。

本课程适合谁

• 生成式 AI 初学者