Budowanie generatywnych aplikacji AI z Pythonem i LangChain

Generatywna sztuczna inteligencja zmienia sposób, w jaki budujemy oprogramowanie i wchodzimy w interakcję z danymi.Ten kurs przeprowadzi Cię przez podstawowe koncepcje dużych modeli językowych (LLM) i nauczy Cię, jak budować własne rozwiązania oparte na sztucznej inteligencji od podstaw. Będziesz rozwijać się od zrozumienia podstawowej terminologii AI do pisania czystego kodu Pythona, który integruje LLM, bazy danych wektorowych i zewnętrzne źródła danych.Badanie jasnych pisemnych wyjaśnień i praktycznych przykładów kodu, zyskasz pewność, aby zaprojektować, przetestować i zoptymalizować niestandardowych asystentów AI i narzędzia automatyzacji. Czego się nauczysz: - Zrozum podstawową architekturę transformatorów, dużych modeli językowych i nowoczesnych systemów AI. - Zastosuj zaawansowane techniki szybkiej inżynierii, aby kierować zachowaniem modelu i zoptymalizować wyjścia tekstowe. - Twórz rurociągi z powiększoną generacją (RAG), aby łączyć LLM z niestandardowymi zewnętrznymi źródłami danych. - Skonfiguruj bazy danych wektorowych, aby wydajnie przechowywać i pobierać osadzenia wielowymiarowe. - Wdrażaj ramy orkiestracji, takie jak LangChain, aby zarządzać złożonymi, wieloetapowymi przepływami pracy AI. - Oceń wydajność modelu i poznaj podstawowe koncepcje dostrajania i dostosowywania modelu. Kurs zaczyna się od podstawowej terminologii i mechaniki modeli językowych, zanim przejdziemy do praktycznych implementacji Pythona, pamięci wektorowej i architektury RAG.Będziesz uczyć się poprzez uporządkowane wyjaśnienia tekstowe i krok po kroku przewodniki po kodzie zaprojektowane do czytania w własnym tempie. Ten kurs jest przeznaczony dla początkujących, początkujący programiści AI i entuzjaści oprogramowania, którzy chcą wejść w świat generatywnej AI.Nie jest wymagane wcześniejsze doświadczenie ze sztuczną inteligencją, chociaż pomocna jest podstawowa znajomość programowania Pythona. Zacznij czytać już dziś, aby zbudować swoją pierwszą inteligentną aplikację językową.