【ai精翻】生成式人工智能应用程序设计和开发

您将学到什么

• 学习者将掌握生成式人工智能背后的核心概念和原理、法学硕士 (LLM) 的工作原理以及如何将其应用于现实世界的用例。
• 利用来自开放源和封闭源的各种 LLM，培养设计、构建和实施智能应用程序的实用技能。
• 了解如何有效使用流行工具，包括 LangChain、HuggingFace、StreamLit、Ollama 等
• 了解并实施有关在生产环境中生成式人工智能的效率、可扩展性和负责任地使用方面的最佳实践。
• 识别并应对生成式 AI 应用所特有的挑战。
• 为生成式人工智能职位的中级技术面试做好准备。
• 了解情境学习、RAG 和微调的工作原理

要求

• Python 编程基础知识
• 熟悉 Jupyter Notebooks 者优先
• 个人计算机（Windows、Linux 或 Mac）
• 稳定的互联网连接

描述

您是否有兴趣学习生成式人工智能，但又对人工智能和机器学习的复杂性感到畏惧？

如果您的回答 是肯定的， 那么本课程适合您！

我根据自己学习生成式人工智能技术的经历设计了这门课程。在亲身面对挑战后，我设计了这门课程，让学习过程更轻松、更易于理解。本课程专为没有人工智能或机器学习背景的人量身定制，可帮助您快速掌握生成式人工智能。

本课程专为没有 AI/ML 背景的 IT 专业人士、开发人员和架构师而设计，将帮助您使用大型语言模型 (LLM) 构建智能创新的应用程序。您将获得应用尖端生成式 AI 技术的实践经验，而无需掌握复杂的算法或数学理论。

以下是课程结构和覆盖范围的概述：

生成式人工智能基础：深入研究大型语言模型 (LLM) 的核心概念，并学习如何使用 Google Gemini、Anthropic Claude、OpenAI GPT 和多个开源/Hugging Face LLM 等强大的模型。

构建生成式 AI 应用程序：探索创建生成式 AI 应用程序的实用技术，包括提示技术、推理控制、上下文学习、RAG 模式（朴素和高级）、代理 RAG、矢量数据库等。

最新工具和框架：通过 LangChain、Streamlit、Hugging Face 等尖端工具以及 Pinecone 和 ChromaDB 等流行矢量数据库获得实践经验。

尝试多个 LLM：课程不依赖于单个 LLM 进行实践练习，而是鼓励学习者使用多种模型进行练习，以便他们了解其行为的细微差别。

学习强化：在每组概念课程之后，学生都会进行练习、项目和测验，以巩固他们的理解并巩固以前课程中涵盖的材料。

利用 Hugging Face 的力量：掌握 Hugging Face 平台，包括其工具、库和社区资源，以有效利用预先训练的模型并构建自定义应用程序。

高级技术：深入研究嵌入、搜索算法、模型架构和微调等高级主题，以增强您的 AI 能力。

真实世界的项目：通过实践项目应用您的知识，例如构建电影推荐引擎和创意写作工作台。

课程特色

• 18小时以上的视频内容
• 实践项目和编码练习
• 真实世界的例子
• 强化学习测验
• 包含解决方案的 GitHub 存储库
• 网络课程指南

在本课程结束时，您将能够充分利用生成式人工智能进行广泛的应用，从自然语言处理到内容生成等等。

本课程适合哪些人？

本课程适合：

• IT 专业人士、应用程序开发人员和架构师希望将生成式 AI 集成到他们的应用程序中。
• 准备面试生成式人工智能相关职位的学生或专业人士
• 那些没有 AI/ML 经验但想在当今快速发展的技术环境中保持竞争力的人。
• 任何有兴趣学习如何构建智能系统并使用人工智能解决现实世界的商业问题的人。

为什么选择这门课程？

Raj 根据自己学习生成式 AI 技术的经验设计了这门课程。他运用自己在学习生成式 AI 技术时遇到的挑战的第一手知识，创建了一门结构化的课程，旨在让任何没有 AI/ML 背景的人都能轻松快速地掌握生成式 AI。

• 无需 AI/ML 背景：本课程专为 AI/ML 的非专家和初学者设计。
• 实践学习：参与实际的真实项目和编码练习，将人工智能概念变为现实。
• 专家指导：向拥有 20 多年行业经验的资深 IT 顾问 Rajeev Sakhuja 学习。
• 全面的课程：超过 18 小时的视频课程、测验和练习，以及基于网络的课程指南，为您的整个学习过程提供支持。
• 最新工具和框架：获得 LangChain、Streamlit、Hugging Face 等尖端工具以及 Pinecone、FAISS 和 ChromaDB 等流行矢量数据库的实践经验

谁不应该参加这门课程？

• 想要深入探究生成式 AI 模型内部原理的人士
• 希望了解模型背后的数学
• 对数据科学职位感兴趣的 IT 专业人士

本课程适合哪些人？

• 解决方案/应用程序架构师：希望设计利用 LLM 创建更具交互性、更高效和更智能的解决方案的尖端应用程序的专业人士。
• 应用程序开发人员：有兴趣获得使用工具、技术和框架的实践经验，以构建能够理解、生成和智能响应用户输入的人工智能驱动的应用程序。
• IT 专业人士：旨在通过获得 AI 驱动的应用程序开发的基础知识和实践技能，转型到不断发展的生成 AI 领域的个人。
• 数据科学家：数据专业人士希望通过学习如何应用生成式人工智能模型来创建复杂的应用程序，超越传统的数据分析和机器学习，从而扩展自己的专业知识。