MP4 |視頻：h264， 1920×1080 |音頻：AAC，44.1 KHz

語言：英語 |大小：5.65 GB |時(shí)長： 7h 26m

掌握生成式 AI 和大型語言模型 （LLM）。探索和部署 LLM 應(yīng)用程序，學(xué)習(xí)基礎(chǔ)理論。

您將學(xué)

到什么 通過選擇、培訓(xùn)和應(yīng)用 LLM 來設(shè)計(jì)和開發(fā)給定業(yè)務(wù)問題的完整解決方案

比較和對(duì)比提高 LLM 解決方案性能的最新技術(shù)，例如 RAG、微調(diào)和代理工作流程

權(quán)衡領(lǐng)先的 10 個(gè)前沿 LLM 和 10 個(gè)開源 LLM，并能夠?yàn)榻o定任務(wù)

選擇最佳選擇通過應(yīng)用領(lǐng)先的開源平臺(tái)、框架和工具來解決問題，包括Hugging Face、Gradio和Weights & Biases

。 說明常見的AI范式，并確定最適合每個(gè)

范式的業(yè)務(wù)問題類型。 定義圍繞深度學(xué)習(xí)的基本數(shù)據(jù)科學(xué)概念，包括訓(xùn)練與推理，泛化與過度擬合，以及神經(jīng)網(wǎng)絡(luò)

背后的關(guān)鍵思想。描述核心概念，如生成式AI、LLMs和Transformer架構(gòu)，并討論以最先進(jìn)的性能

可以實(shí)現(xiàn)什么。 詳細(xì)解釋LLMs如何工作，以便能夠訓(xùn)練和測試它們，將它們應(yīng)用于新的場景，并診斷和修復(fù)常見問題

。 使用前沿和開源模型在Python中實(shí)施LLM解決方案，包括API和直接推理。

執(zhí)行代碼以編寫文檔、回答問題和生成圖像。

要求

熟悉 Python。本課程不涵蓋 Python 基礎(chǔ)知識(shí)，而是用 Python 完成的。

描述

掌握生成式 AI 和 LLM：為期 8 周的實(shí)踐之旅通過行業(yè)資深人士 Ed Donner 領(lǐng)導(dǎo)的實(shí)踐項(xiàng)目加速您在 AI 領(lǐng)域的職業(yè)生涯。構(gòu)建高級(jí)生成式 AI 產(chǎn)品，試驗(yàn) 20 多種開創(chuàng)性模型，并掌握最先進(jìn)的技術(shù)，如 RAG、QLoRA 和 Agents。? 使用尖端模型和框架構(gòu)建高級(jí)生成式 AI 產(chǎn)品。? 試驗(yàn) 20 多種開創(chuàng)性的 AI 模型，包括 Frontier 和開源模型。? 熟練使用 HuggingFace、LangChain 和 Gradio 等平臺(tái)。? 實(shí)施最先進(jìn)的技術(shù)，如 RAG（檢索增強(qiáng)）生成）、QLoRA 微調(diào)和代理。? 創(chuàng)建真實(shí)世界的 AI 應(yīng)用程序，包括：? 與文本、聲音和圖像交互的多模態(tài)客戶支持助手。? 可以根據(jù)共享驅(qū)動(dòng)器回答有關(guān)公司的任何問題的 AI 知識(shí)工作者。? 優(yōu)化軟件的 AI 程序員，實(shí)現(xiàn)超過 60,000 倍的性能改進(jìn)。? 準(zhǔn)確預(yù)測未見過產(chǎn)品價(jià)格的電子商務(wù)應(yīng)用程序。? 從推理過渡到訓(xùn)練， 微調(diào) Frontier 和 Open-Source 模型。? 通過精美的用戶界面和高級(jí)功能將 AI 產(chǎn)品部署到生產(chǎn)中。? 提升您的 AI 和 LLM 工程技能，走在行業(yè)的前沿。關(guān)于講師我是 Ed Donner，一位擁有 20 多年經(jīng)驗(yàn)的企業(yè)家和人工智能和技術(shù)領(lǐng)導(dǎo)者。我與他人共同創(chuàng)立并出售了自己的 AI 初創(chuàng)公司，創(chuàng)辦了第二家初創(chuàng)公司，并在世界各地的頂級(jí)金融機(jī)構(gòu)和初創(chuàng)公司領(lǐng)導(dǎo)團(tuán)隊(duì)。我熱衷于將其他人帶入這個(gè)令人興奮的領(lǐng)域，并幫助他們成為行業(yè)前沿的專家。為什么選擇這門課程？? 動(dòng)手學(xué)習(xí)：最好的學(xué)習(xí)方式是邊做邊學(xué)。您將參與實(shí)踐練習(xí)，構(gòu)建可提供驚人結(jié)果的真實(shí) AI 應(yīng)用程序。? 尖端技術(shù)：通過學(xué)習(xí)最新的框架和技術(shù)（包括 RAG、QLoRA 和 Agents）保持領(lǐng)先地位。? 無障礙內(nèi)容：專為所有級(jí)別的學(xué)習(xí)者設(shè)計(jì)。提供分步說明、實(shí)踐練習(xí)、備忘單和大量資源。? 無需高級(jí)數(shù)學(xué)：該課程側(cè)重于實(shí)際應(yīng)用。掌握 LLM 工程不需要微積分或線性代數(shù)。課程結(jié)構(gòu)第 1 周：基礎(chǔ)和第一個(gè)項(xiàng)目? 深入了解變形金剛的基礎(chǔ)知識(shí)? 嘗試六種領(lǐng)先的前沿模型? 構(gòu)建您的第一個(gè)商業(yè) Gen AI 產(chǎn)品，用于抓取網(wǎng)絡(luò)、做出決策并創(chuàng)建格式化的銷售手冊。第 2 周：Frontier API 和客戶服務(wù)聊天機(jī)器人? 探索 Frontier API 并與三個(gè)領(lǐng)先模型交互? 開發(fā)具有清晰 UI 的客戶服務(wù)聊天機(jī)器人，該機(jī)器人可以與文本、圖像、音頻交互，并利用工具或代理。第 3 周：采用開源模型? 使用 HuggingFace 探索開源模型的世界? 處理 10 個(gè)常見的 Gen AI 用例，從翻譯到圖像生成。? 構(gòu)建產(chǎn)品以從錄音中生成會(huì)議記錄和行動(dòng)項(xiàng)目。第 4 周：LLM 選擇和代碼生成? 了解 LLM 之間的區(qū)別以及如何為您的業(yè)務(wù)任務(wù)選擇最佳 LLM。? 使用 LLM 生成代碼并構(gòu)建將代碼從 Python 轉(zhuǎn)換為 C++ 的產(chǎn)品，實(shí)現(xiàn)超過 60,000 倍的性能提升。第 5 周：檢索增強(qiáng)生成 （RAG）? 掌握 RAG 至提高解決方案的準(zhǔn)確性。? 熟練使用向量嵌入并在流行的開源向量數(shù)據(jù)存儲(chǔ)中探索向量。? 構(gòu)建類似于當(dāng)今市場上真實(shí)產(chǎn)品的完整業(yè)務(wù)解決方案。第 6 周：過渡到訓(xùn)練? 從推理轉(zhuǎn)向訓(xùn)練? 微調(diào) Frontier 模型以解決實(shí)際業(yè)務(wù)問題? 構(gòu)建自己的專業(yè)模型，標(biāo)志著您 AI 之旅中的一個(gè)重要里程碑。第 7 周：高級(jí)訓(xùn)練技巧? 深入研究高級(jí)訓(xùn)練技巧，如 QLoRA 微調(diào)? 訓(xùn)練開源模型，使其在特定任務(wù)中優(yōu)于 Frontier 模型? 處理具有挑戰(zhàn)性的項(xiàng)目，將您的技能提升到一個(gè)新的水平。第 8 周：部署和定稿? 使用精美的 UI 將您的商業(yè)產(chǎn)品部署到生產(chǎn)環(huán)境中。? 使用代理增強(qiáng)功能? 交付您的第一個(gè)生產(chǎn)化、代理化、微調(diào)的 LLM 模型。? 慶祝您對(duì) AI 和 LLM 工程的掌握，為職業(yè)生涯的新階段做好準(zhǔn)備。

概述

第一部分：第一周 - 構(gòu)建您的第一個(gè)LLM產(chǎn)品：探索前沿模型和變形金剛

第 1 講第 1 天 – 掌握法學(xué)碩士工程：從基礎(chǔ)知識(shí)到在 4 周內(nèi)超越 GPT-8

第 2 講 第 1 天 – 生成式 AI 入門：LLM 項(xiàng)目設(shè)置的第一步

第 3 講第 1 天 – 使用 OpenAI GPT-4 構(gòu)建網(wǎng)頁摘要器：即時(shí)滿足

第 4 講第 1 天 – 掌握 OpenAI API：在生成式 AI 中為前沿模型編寫代碼

第 5 講第 2 天 – 生成式 AI 課程結(jié)構(gòu)：8 周掌握法學(xué)碩士

第 6 講第 2 天 – 探索前沿 LLM：ChatGPT、Claude、Gemini 等

第 7 講 第 3 天 – 前沿 LLM：探索頂級(jí) AI 模型的優(yōu)勢和劣勢

第 8 講第 3 天 – ChatGPT 與其他 LLM：優(yōu)勢、劣勢和互補(bǔ)模型

第 9 講 第 3 天 – Claude AI：探索 Frontier 模型的功能和局限性

第 10 講 第 3 天 – Gemini AI 與其他前沿模型的比較：優(yōu)勢和局限性

第11講第3天 - 比較前沿的LLMs：Command-R Plus、Meta AI和Perplexity AI模型

第 12 講第 3 天 – 比較頂級(jí) AI 模型：GPT-4、Claude 和 Gemini 在領(lǐng)導(dǎo)力之戰(zhàn)中

第 13 講 第 4 天 – AI 領(lǐng)導(dǎo)力之戰(zhàn)：分析 GPT-4、Claude-3 和 Gemini-1.5 推介

第14講 第4天 - Gen AI突破：變形金剛模型和新興智能

第 15 講第 4 天 – LLM 中的標(biāo)記化：GPT 如何處理自然語言任務(wù)的文本

第 16 講 第 4 天 – 了解上下文窗口：最大化 LLM 性能和內(nèi)存

第 17 講 第 5 天 – 使用 OpenAI 為業(yè)務(wù)應(yīng)用程序?qū)崿F(xiàn) One-Shot Prompting

第 18 講第 5 天 – 如何使用 GPT-4 在 Python 中生成 JSON：AI 驅(qū)動(dòng)的網(wǎng)絡(luò)抓取

第 19 講 第 5 天 – 使用生成式 AI 和 OpenAI 的 API 構(gòu)建完整的業(yè)務(wù)解決方案

第20講第5天 - 擴(kuò)展Gen AI：多鏡頭提示和翻譯技術(shù)

第 2 部分：第 2 周 – 構(gòu)建多模式聊天機(jī)器人：LLM、Gradio UI 和代理的實(shí)際應(yīng)用

第 21 講 第 1 天 – 掌握多個(gè) AI API：面向 LLM 工程師的 OpenAI、Claude 和 Gemini

第 22 講 第 1 天 – 流式 AI 響應(yīng)：在 Python 中實(shí)現(xiàn)實(shí)時(shí) LLM 輸出

第 23 講 第 1 天 – 如何使用 OpenAI 和 Claude API 創(chuàng)建對(duì)抗性 AI 對(duì)話

第24講第一天 - AI工具：探索開發(fā)人員的變形金剛和前沿LLMs

第 25 講 第 2 天 – 使用 Gradio 構(gòu)建 AI UI：LLM 工程師的快速原型設(shè)計(jì)

第 26 講第 2 天 – Gradio 教程：為 OpenAI GPT 模型創(chuàng)建交互式 AI 界面

第 27 講第 2 天 – 在 Gradio UI 中使用 GPT 和 Claude 實(shí)現(xiàn)流式響應(yīng)

第 28 講 第 2 天 – 使用 Gradio 構(gòu)建多模型 AI 聊天界面：GPT 與 Claude

第 29 講 第 2 天 – 構(gòu)建高級(jí) AI UI：從 OpenAI API 到使用 Gradio 的聊天界面

第 30 講第 3 天 – 構(gòu)建 AI 聊天機(jī)器人：掌握客戶支持助理的 Gradio

第31講第3天 - 使用OpenAI和Gradio構(gòu)建對(duì)話式AI聊天機(jī)器人：逐步作

第 32 講 第 3 天 – 使用 Multi-Shot Prompting 和 Context Enrichment 增強(qiáng)聊天機(jī)器人

第 33 講 第 3 天 – 掌握 AI 工具：使 LLM 能夠在您的計(jì)算機(jī)上運(yùn)行代碼

第 34 講 第 4 天 – 將 AI 工具與 LLM 結(jié)合使用：增強(qiáng)大型語言模型功能

第 35 講第 4 天 – 構(gòu)建 AI 航空公司助手：使用 OpenAI GPT-4 實(shí)現(xiàn)工具

第 36 講第 4 天 – 如何為 LLM 配備自定義工具：OpenAI 函數(shù)調(diào)用教程

第 37 講 第 4 天 – 掌握 AI 工具：使用 API 構(gòu)建高級(jí) LLM 驅(qū)動(dòng)的助手

第 38 講 第 5 天 – 多模態(tài) AI 助手：集成圖像和聲音生成

第 39 講 第 5 天 – 多模態(tài) AI：在 JupyterLab 中集成 DALL-E 3 圖像生成

第40講第5天 - 構(gòu)建多模式AI代理：集成音頻和圖像工具

第 41 講 第 5 天 – 如何構(gòu)建多模態(tài) AI 助手：集成工具和代理

第 3 部分：第 3 周 – 開源 Gen AI：使用 HuggingFace 構(gòu)建自動(dòng)化解決方案

第 42 講 第 1 天 – Hugging Face 教程：探索開源 AI 模型和數(shù)據(jù)集

第43講第一天 - 探索HuggingFace Hub：AI開發(fā)者的模型、數(shù)據(jù)集和空間

第 44 講第 1 天 – Google Colab 簡介：用于機(jī)器學(xué)習(xí)的 Cloud Jupyter Notebook

第 45 講 第 1 天 – Hugging Face 與 Google Colab 集成：秘密和 API 密鑰設(shè)置

第 46 講第 1 天 – 掌握 Google Colab：使用 Hugging Face 運(yùn)行開源 AI 模型

第 47 講 第 2 天 – 擁抱面部轉(zhuǎn)換器：在 Python 中使用管道執(zhí)行 AI 任務(wù)

第 48 講 第 2 天 – 擁抱面部管道：使用 Transformers 庫簡化 AI 任務(wù)

第 49 講 第 2 天 – 掌握 HuggingFace 管道：ML 任務(wù)的高效 AI 推理

第50講第3天 - 探索開源AI中的分詞器：Llama， Phi-2， Qwen， & Starcoder

第 51 講 第 3 天 – AI 中的標(biāo)記化技術(shù)：將 AutoTokenizer 與 LLAMA 3.1 模型結(jié)合使用

第 52 講第 3 天 – 比較分詞器：開源 AI 模型的 Llama、PHI-3 和 QWEN2

第 53 講 第 3 天 – 擁抱面部分詞器：為高級(jí) AI 文本生成做準(zhǔn)備

第 54 講 第 4 天 – 擁抱面部模型課程：在開源 AI 模型上運(yùn)行推理

第55講第4天 - 擁抱臉變壓器：加載和量化帶有比特和字節(jié)的LLMs

第 56 講 第 4 天 – 擁抱臉變形金剛：使用開源 AI 模型生成笑話

第 57 講 第 4 天 – 掌握 Hugging Face Transformers：模型、管道和分詞器

第58講 第5天 - 結(jié)合前沿和開源模型進(jìn)行音頻到文本的總結(jié)。

第59講 第5天 - 使用Hugging Face和OpenAI生成AI驅(qū)動(dòng)的會(huì)議記錄

第 60 講 第 5 天 – 構(gòu)建綜合測試數(shù)據(jù)生成器：面向企業(yè)的開源 AI 模型

渴望進(jìn)入生成式 AI 和 LLM 領(lǐng)域的有抱負(fù)的 AI 工程師和數(shù)據(jù)科學(xué)家，希望在快速發(fā)展的 AI 環(huán)境中提升技能并保持競爭力的專業(yè)人士，對(duì)構(gòu)建具有實(shí)際實(shí)踐經(jīng)驗(yàn)的高級(jí) AI 應(yīng)用程序的開發(fā)人員感興趣。