План на курса
Ден 1 – Генеративно ИИ и основи на LLM
Въведение в генеративното ИИ и употреба на LLM
Разбираne на моделите, базирани на трансформатори (GPT, LLaMA, T5 и др.)
Токени, токенизация и ембединг
Работа с предобучени модели чрез API (OpenAI, Claude)
Работа с предобучени модели чрез Hugging Face
Основи на побуждаване: безучилно и малко-училно побуждаване
Практически: инженерство за побуждения в Python тетрадка
Изграждане на проста LLM-подкрепена приложение (CLI или web)
Практични ограничения: токени, лимити по скорост и основни методики за надеждност
Ден 2 – RAG и векторно търсене
Защо RAG: комбиниране на LLM с вашия собствен данни
Архитектура на RAG: инжестинг, индексиране, извличане, генериране
Подготовка и раздробяване на документи за извличане
Генериране на текстови ембединг с API или Hugging Face
Въведение в хранилища на вектори (например Chroma, Pinecone)
Практически: изграждане на основен скрипт за семантично търсене
Практически: изграждане на система за документи Q&A с RAG
Маштабиране на инжестинг и ембединг (обзор на по-големите данни рабски цикли)
Проектиращи компромиси в RAG: раздробяване, топ-k, разходи срещу качество
Ден 3 – Рабски цикли, агенти и продажба
Какво са AI агентите и кога да ги използвате
Въведение в LangGraph и графови LLM рабски цикли
Практически: изграждане на прост LangGraph рабски цикъл с инструменти
Добавяне на памет и много-шагово разсъждаване към рабските цикли
Комбиниране на RAG и агенти (агентски RAG)
Мониторинг и оценка на LLM и RAG системи
Опции за разпространяване на приложенията с LLM (API, контейнри, услуги)
Стратегии за оптимизация на разходите и перформанса
Основна безопасност, контроли и отговорно използване
Минипроект-ключ: демонстрация на крайно-крайно приложение RAG/агент
Изисквания
твърди умения в програмирането с Python и познаване на API.
Целева аудитория:
Този курс е предназначен за организации, които искат да преминат от експерименти към реални решения, базирани на LLM. Той е подходящ за софтуерни, бекенд и фулстак инженери, които интегрират LLM в продукти и услуги; данни и машинно обучение инженери, работещи с RAG, ембединг и векторен търсене; решаващи архитектури на решенията и предприятията, проектиращи архитектури, базирани на LLM; както и технически собственици на продуктите и инженерни лидери, отговорни за оценката на използванията на ИИ, разходите и рисковете.
Отзиви от потребители (3)
Trainers can answer all questions and accept any queries
Dewi Anggryni - PT Dentsu International Indonesia
Курс - Copilot for Finance and Accounting Professionals
Преглеждането на различните примери за използване и приложение на ИИ беше полезно. Насладих се от обзорния туър на различните агенти на ИИ.
Axel Schulz - CANARIE Inc
Курс - Microsoft 365 Copilot: AI Productivity Across Word, Excel, PowerPoint, Outlook, and Teams
Машинен превод
Ми ми хареса, че тренерът имаше много знания и ги сподели с нас
Daria Pawlak - LKQ POLSKA SPOLKA Z OGRANICZONA ODPOWIEDZIALNOSCIA
Курс - Microsoft 365 Copilot Chat for Word, Excel, PowerPoint, and Outlook
Машинен превод