21 Δωρεάν Γενετικά Μαθήματα Τεχνητής Νοημοσύνης για να αναβαθμίσετε τις δεξιότητες και να παραμείνετε ενημερωμένοι!

Το Generative AI, ένας κλάδος της τεχνητής νοημοσύνης, είναι ικανός να δημιουργεί εικόνες, κείμενο, ήχους, μουσική και βίντεο. Εφαρμόζεται ευρέως σε διάφορα επαγγέλματα και βιομηχανίες και προκαλεί σημαντικό ενδιαφέρον.

Εάν ενδιαφέρεστε να μάθετε για το Generative AI και πιθανώς να δημιουργήσετε τις δικές σας εφαρμογές AI, έχετε έρθει στο σωστό μέρος.

Συγκεντρώσαμε μερικά από τα δωρεάν μαθήματα και πόρους για να σας βοηθήσουμε να ξεκινήσετε το ταξίδι σας στο Generative AI. Είτε είστε εντελώς αρχάριος είτε έμπειρος λάτρης της τεχνητής νοημοσύνης, ο οδηγός μας θα σας οδηγήσει στη σωστή κατεύθυνση.

Ας μπούμε και εξερευνήσουμε το Generative AI μαζί!

Full Stack LLM Bootcamp

Full Stack LLM Bootcamp παρέχει ένα διήμερο πρόγραμμα που εστιάζει στις αναδυόμενες βέλτιστες πρακτικές και στα πιο πρόσφατα αποτελέσματα έρευνας για να σας βοηθήσει να μεταβείτε με σιγουριά στη δημιουργία εφαρμογών με μεγάλα γλωσσικά μοντέλα (LLM).

Το πρόγραμμα ήταν αρχικά ένα αυτοπρόσωπο boot camp στο Σαν Φρανσίσκο τον Απρίλιο του 2023 και τώρα οι ηχογραφημένες διαλέξεις είναι διαθέσιμες δωρεάν. Το μάθημα περιγράφεται ως ένα εξαιρετικό σημείο εκκίνησης για όποιον ενδιαφέρεται για τα Μεγάλα Γλωσσικά Μοντέλα και τις πρακτικές εφαρμογές τους.

Προαπαιτούμενα

Αυτές οι διαλέξεις απευθύνονται σε προγραμματιστές Python που θέλουν να χρησιμοποιήσουν μοντέλα μεγάλων γλωσσών (LLM) στις εφαρμογές τους. Το να έχετε κάποια εμπειρία στη μηχανική μάθηση, στο frontend ή στην ανάπτυξη backend είναι ένα πλεονέκτημα.

Συμπερίληψη μαθήματος

• Εισαγωγή στα μεγάλα γλωσσικά μοντέλα (LLMs)
• Άμεση μηχανική και δημιουργική χρήση των LLM
• Θέματα ανάπτυξης και λειτουργίας
• Δημιουργία γλωσσικών διεπαφών φιλικών προς το χρήστη
• Επαύξηση μοντέλων γλώσσας για συγκεκριμένες εργασίες
• Ταχεία ανάπτυξη και ανάπτυξη εφαρμογών LLM
• Μελλοντικές τάσεις και εξελίξεις στον τομέα
• Θεμελιώδεις έννοιες του LLM

Το πρόγραμμα του Full Stack Deep Learning είναι ένα εξαιρετικό σημείο εκκίνησης για όποιον ενδιαφέρεται για τα Large Language Models και τις πρακτικές εφαρμογές τους. Με μια ομάδα έμπειρων εκπαιδευτών, συμπεριλαμβανομένων των αποφοίτων PhD του UC Berkeley, αυτός ο πόρος προσφέρει μια ολοκληρωμένη εισαγωγή στο Generative AI.

Εισαγωγή στο Generative AI Learning Path

Το Google Cloud προσφέρει μια ολοκληρωμένη Δημιουργική διαδρομή μάθησης AI που καλύπτει διάφορες πτυχές της Generative AI, από τα βασικά των μεγάλων γλωσσικών μοντέλων έως τις αρχές της υπεύθυνης τεχνητής νοημοσύνης. Αυτή η διαδρομή μάθησης είναι ένα εξαιρετικό σημείο εκκίνησης για όποιον θέλει να αποκτήσει γνώσεις για τον κόσμο της Generative AI.

Προαπαιτούμενα

Τα μαθήματα σε αυτή τη διαδρομή μάθησης είναι εισαγωγικά και δεν απαιτούν συγκεκριμένες προϋποθέσεις. Είναι κατάλληλα για αρχάριους και οποιονδήποτε ενδιαφέρεται να μάθει για το Generative AI.

Συμπερίληψη μαθήματος

• Βασικές αρχές της Generative AI
• Κατανόηση μοντέλων μεγάλων γλωσσών
• Βελτίωση της απόδοσης LLM με άμεση ρύθμιση
• Εισαγωγή στο Responsible AI
• Εφαρμογή της Υπεύθυνης AI από την Google
• Generative AI Fundamentals
• Υπεύθυνη τεχνητή νοημοσύνη με το Google Cloud
• Εφαρμογή των αρχών της τεχνητής νοημοσύνης με υπευθυνότητα

Περνώντας το τελικό κουίζ, αποδεικνύετε ότι κατανοείτε τις θεμελιώδεις έννοιες στο Generative AI.

Είτε είστε νέος στον τομέα είτε θέλετε να επεκτείνετε τις γνώσεις σας, αυτά τα μαθήματα παρέχουν μια σταθερή βάση στις έννοιες Generative AI, μεγάλα γλωσσικά μοντέλα και υπεύθυνες αρχές AI.

Microsoft Azure AI Fundamentals: Generative AI

Το Microsoft Azure προσφέρει μια ολοκληρωμένη διαδρομή εκμάθησης Generative AI, εστιάζοντας στον τρόπο με τον οποίο εκπαιδεύονται τα μοντέλα για τη δημιουργία νέου, πρωτότυπου περιεχομένου με βάση την εισαγωγή φυσικής γλώσσας. Το Generative AI επιτρέπει τη δημιουργία κειμένου, εικόνων ή ακόμα και εξόδου κώδικα ως απόκριση σε καθημερινές περιγραφές γλώσσας.

Αυτή η διαδρομή εκμάθησης έχει σχεδιαστεί για να σας βοηθήσει να ξεκινήσετε με το Generative AI και διερευνά διάφορες πτυχές, συμπεριλαμβανομένου του ρόλου του Azure στην παροχή πρόσβασης στην τεχνολογία γενετικής AI.

Προαπαιτούμενα

Η εξοικείωση με το Azure και την πύλη Azure συνιστάται ως προϋπόθεση για αυτήν τη διαδρομή μάθησης. Είναι κατάλληλο για αρχάριους και ιδιώτες σε διάφορα επίπεδα, συμπεριλαμβανομένων μηχανικών AI, προγραμματιστών, αρχιτεκτόνων λύσεων και σπουδαστών.

Συμπερίληψη μαθήματος

• Εισαγωγή στο Generative AI
• Γενιά Φυσικής Γλώσσας
• Δημιουργία εικόνας και κώδικα
• Κατανόηση μοντέλων μεγάλων γλωσσών (LLM)
• Μοντέλα Μετασχηματισμού
• Tokenization και Embedding
• Βασικές αρχές της υπηρεσίας Azure OpenAI
• Εισαγωγή και Παραδείγματα Copilot
• Βελτιώστε τις παραγωγικές αποκρίσεις AI με άμεση μηχανική

Η διαδρομή εκμάθησης «Generative AI» του Microsoft Azure είναι μια εξαιρετική πηγή για όσους επιθυμούν να εξερευνήσουν το Generative AI στο πλαίσιο του οικοσυστήματος Azure.

Με έμφαση στην υπεύθυνη τεχνητή νοημοσύνη και πρακτικές εφαρμογές, αυτή η διαδρομή μάθησης εξοπλίζει τους εκπαιδευόμενους με τις γνώσεις και τις δεξιότητες που απαιτούνται για να κατανοήσουν και να εργαστούν με το Generative AI.

Πώς λειτουργούν τα μοντέλα διάχυσης

Αυτό το μάθημα με τίτλο «Πώς λειτουργούν τα μοντέλα διάχυσης», παρέχει μια εις βάθος κατανόηση των μοντέλων διάχυσης που χρησιμοποιούνται στη γενετική τεχνητή νοημοσύνη. Πηγαίνει πέρα ​​από τη χρήση της απλής χρήσης προκατασκευασμένων μοντέλων ή API και σας διδάσκει πώς να δημιουργήσετε ένα μοντέλο διάχυσης από την αρχή.

Το μάθημα έχει σχεδιαστεί για να σας βοηθήσει να αποκτήσετε πρακτική εμπειρία με τη γενετική τεχνητή νοημοσύνη που βασίζεται στη διάχυση. Το μάθημα διδάσκεται από τη Sharon Zhou, συνιδρυτή και διευθύνουσα σύμβουλο του Λαμίνιδιασφαλίζοντας ότι μαθαίνετε από έναν έμπειρο επαγγελματία του κλάδου.

Προαπαιτούμενα

Αυτό είναι ένα μάθημα μεσαίου επιπέδου και η προηγούμενη γνώση των Python, Tensorflow ή Pytorch θα είναι επωφελής για να αξιοποιήσετε στο έπακρο το περιεχόμενο.

Συμπερίληψη μαθήματος

• Εισαγωγή στα μοντέλα διάχυσης
• Η διαίσθηση πίσω από τα μοντέλα διάχυσης
• Δειγματοληψία σε μοντέλα διάχυσης
• Νευρωνικά δίκτυα σε μοντέλα διάχυσης
• Training Diffusion Models
• Έλεγχος μοντέλων διάχυσης
• Επιτάχυνση μοντέλων διάχυσης

Αν θέλετε να βουτήξετε βαθύτερα στον κόσμο των μοντέλων διάχυσης στο γενετικό AI, το “Πώς λειτουργούν τα μοντέλα διάχυσης” είναι μια ιδανική πηγή. Αυτό το μάθημα σάς επιτρέπει να δημιουργήσετε, να εκπαιδεύσετε και να βελτιστοποιήσετε μοντέλα διάχυσης, δίνοντάς σας τις πρακτικές δεξιότητες που απαιτούνται για να εξερευνήσετε περαιτέρω αυτό το συναρπαστικό πεδίο.

Με δωρεάν πρόσβαση για περιορισμένο χρονικό διάστημα, είναι μια εξαιρετική ευκαιρία να επεκτείνετε τις δυνατότητες δημιουργίας AI.

Χρησιμοποιήστε το OpenAI API για να κωδικοποιήσετε έργα 5

Αυτό σειρά μαθημάτων είναι μια ολοκληρωμένη κατάδυση στον κόσμο του OpenAI API. Σας διδάσκει πώς να χρησιμοποιείτε το OpenAI API για να δημιουργήσετε πέντε συναρπαστικά έργα, συμπεριλαμβανομένου ενός κλώνου ChatGPT, ενός DALL-E Image Creator και ενός SQL Generator.

Αυτά τα έργα διερευνούν τις διαφορετικές δυνατότητες και τις πιθανές εφαρμογές του OpenAI API.

Προαπαιτούμενα

Το μάθημα δεν καθορίζει καμία προϋπόθεση, αλλά συνιστάται να έχετε βασική κατανόηση γλωσσών προγραμματισμού όπως JavaScript, React, Node.js και TypeScript και εξοικείωση με τη χρήση API στην ανάπτυξη λογισμικού.

Συμπερίληψη μαθήματος

• Εισαγωγή, Προαπαιτούμενα και Ρύθμιση
• Πρόσβαση API, διαχείριση κλειδιών και έλεγχος ταυτότητας
• Κατανόηση Διαφορετικών Μοντέλων
• Ολοκληρώσεις κειμένου, προσαρμοσμένες προτροπές και οδηγίες
• Τεχνικές άμεσης βελτιστοποίησης
• Δημιουργία Chatbots με GPT-3
• Image Generation Project 1 | JavaScript
• Δημιουργία εικόνων με DALL-E
• Image Generation Project 2 | React + Node.js + OpenAI NPM Library
• SQL Generator Project | TypeScript + Node.js + OpenAI NPM Library

Εάν επιθυμείτε να εξερευνήσετε τις δυνατότητες του OpenAI API και να δημιουργήσετε συναρπαστικά έργα, αυτό το μάθημα είναι ένας εξαιρετικός πόρος. Είτε ενδιαφέρεστε για την ανάπτυξη εφαρμογών ChatGPT, τη δημιουργία εικόνων με το DALL-E ή τη δημιουργία ερωτημάτων SQL, αυτό το μάθημα σας καλύπτει.

Η βήμα προς βήμα καθοδήγηση και τα πρακτικά έργα θα σας επιτρέψουν να ξεκλειδώσετε τις δυνατότητες του OpenAI API.

Δημιουργήστε ένα μοντέλο μεγάλης γλώσσας από το μηδέν με την Python

Αυτό το μάθημα παρέχει ένα σε βάθος σεμινάριο για το πώς να δημιουργήσετε το δικό σας μεγάλο γλωσσικό μοντέλο από την αρχή χρησιμοποιώντας Python. Εμβαθύνει στον χειρισμό δεδομένων, στις μαθηματικές έννοιες και στην υλοποίηση μετασχηματιστών πίσω από μεγάλα γλωσσικά μοντέλα.

Θα εξερευνήσετε διάφορα θέματα που σχετίζονται με τη δημιουργία του γλωσσικού σας μοντέλου.

Προαπαιτούμενα

Πρέπει να είστε εξοικειωμένοι με τη γλώσσα προγραμματισμού Python καθώς το μάθημα χρησιμοποιεί κυρίως Python για κωδικοποίηση. Είναι ωφέλιμο να γνωρίζετε για τη βαθιά μάθηση, ειδικά σε σχέση με τα νευρωνικά δίκτυα και την εκπαίδευσή τους.

Συμπερίληψη μαθήματος

• Εισαγωγή και Ρύθμιση
• Προεπεξεργασία κειμένου
• Βασικές αρχές Γραμμικής Άλγεβρας
• Προετοιμασία Δεδομένων και Εισαγωγές Μοντέλων
• Μετάβαση από CPU σε CUDA
• Εισαγωγή στο PyTorch
• Πολλαπλασιασμός Dot Product και Matrix
• Υλοποίηση Matmul
• Κατασκευή νευρωνικού δικτύου
• Δημιουργία μοντέλου GPT
• Βελτιστοποιητές και Κανονικοποίηση
• Transformer Blocks και Multi-Head Attention
• Εκπαίδευση μοντέλου και υπερπαράμετροι
• Εκπαίδευση στο OpenWebText
• Σφάλμα χειρισμού, αποθήκευση μοντέλου και φόρτωση
• Εργαλεία δέσμης ενεργειών και γραμμής εντολών
• Προεκπαίδευση vs Finetuning

Εάν ενδιαφέρεστε να κατανοήσετε τις λεπτομέρειες της κατασκευής ενός μεγάλου γλωσσικού μοντέλου από την αρχή, αυτό το σεμινάριο είναι μια πολύτιμη πηγή.

Το μάθημα σας οδηγεί σε ένα ταξίδι βήμα προς βήμα, παρέχοντάς σας τις γνώσεις και τις δεξιότητες για να δημιουργήσετε το δικό σας γλωσσικό μοντέλο.

Εισαγωγή στα μοντέλα μεγάλων γλωσσών με το Google Cloud

Αυτό το εισαγωγικό μάθημα, που προσφέρεται από Google Cloud, είναι μια εμπειρία μικρομάθησης που παρέχει μια επισκόπηση των μεγάλων γλωσσικών μοντέλων (LLM). Καλύπτει τι είναι τα LLM, τις περιπτώσεις χρήσης τους και πώς ο γρήγορος συντονισμός μπορεί να βελτιώσει την απόδοσή τους.

Παρείχαν συγκεντρωμένες αναγνώσεις σε μεγάλα γλωσσικά μοντέλα

Επιπλέον, το μάθημα εισάγει εργαλεία της Google που μπορούν να σας βοηθήσουν στην ανάπτυξη των δικών σας γενετικών εφαρμογών τεχνητής νοημοσύνης.

Προαπαιτούμενα

Το μάθημα έχει σχεδιαστεί ειδικά για αρχάριους και δεν απαιτεί προηγούμενη εμπειρία.

Συμπερίληψη μαθήματος

• Εισαγωγή στα μεγάλα γλωσσικά μοντέλα
• Συμπερίληψη ανάγνωσης (Reading Resources)

Αυτό το μάθημα είναι ένα τέλειο σημείο εκκίνησης για όσους θέλουν να κατανοήσουν τα βασικά των μεγάλων γλωσσικών μοντέλων και τις πρακτικές τους εφαρμογές.

Αυτό το μάθημα μικρομάθησης έχει σχεδιαστεί για να είναι φιλικό προς τους αρχάριους, επιτρέποντας σε άτομα χωρίς προηγούμενη εμπειρία να πάρουν μια γεύση από τον κόσμο της γενετικής τεχνητής νοημοσύνης. μοντέλα γλώσσας με το Google Cloud!

Πανεπιστήμιο LLM από τον Cohere

Το LLM University είναι ένας ολοκληρωμένος πόρος μάθησης σχεδιασμένος για άτομα που ενδιαφέρονται επεξεργασία φυσικής γλώσσας (NLP)από αρχάριους έως προχωρημένους.

Επικεντρώνεται σε θέματα NLP, συμπεριλαμβανομένων των μεγάλων γλωσσικών μοντέλων (LLM), καθιστώντας το ιδανική πλατφόρμα για όσους επιθυμούν να κατακτήσουν τις δεξιότητες NLP και να μάθουν για τα LLM.

Προαπαιτούμενα

Το πρόγραμμα σπουδών του LLMU έχει σχεδιαστεί για να παρέχει μια σταθερή βάση στη Γλωσσική Τεχνητή Νοημοσύνη για άτομα όλων των υποβάθρων. Είτε είστε αρχάριος στη μηχανική εκμάθηση, είτε λάτρης που θέλει να δημιουργήσει γλωσσικές εφαρμογές τεχνητής νοημοσύνης ή κάποιος έτοιμος να εφαρμόσει τις δεξιότητές του στην πράξη, το Πανεπιστήμιο LLM απευθύνεται σε ένα διαφορετικό κοινό.

Συμπερίληψη μαθήματος

• Εισαγωγή στα LLM
• Αναπαράσταση κειμένου
• Δημιουργία κειμένου
• Άμεση μηχανική

Το Πανεπιστήμιο LLM είναι μια εξαιρετική πηγή για όποιον ενδιαφέρεται να μάθει τις δεξιότητες NLP και LLM και να εξερευνήσει τον κόσμο των μεγάλων γλωσσικών μοντέλων και της γενετικής τεχνητής νοημοσύνης.

Εκτός από το υλικό του μαθήματος, θα διοργανώνουν ομάδες ανάγνωσης και θα φιλοξενούν εκδηλώσεις αποκλειστικά για όλους τους μαθητές!

LangChain Crash Course

Αυτό το μάθημα crash έχει σχεδιαστεί για αρχάριους να μάθουν πώς να το χρησιμοποιούν LangChainένα πλαίσιο που δημιουργήθηκε για να απλοποιήσει την ανάπτυξη εφαρμογών χρησιμοποιώντας μεγάλα μοντέλα γλώσσας.

Το LangChain επιτρέπει την απρόσκοπτη ενοποίηση μοντέλων AI με διάφορες πηγές δεδομένων, καθιστώντας εύκολη τη δημιουργία προσαρμοσμένων εφαρμογών επεξεργασίας φυσικής γλώσσας (NLP).

Προαπαιτούμενα

Το μάθημα είναι σχεδιασμένο για αρχάριους, επομένως δεν αναφέρονται συγκεκριμένες προϋποθέσεις. Ωστόσο, η βασική κατανόηση των εννοιών προγραμματισμού και η εξοικείωση με τις βασικές αρχές AI και NLP μπορεί να είναι επωφελής.

Συμπερίληψη μαθήματος

• Εισαγωγή στο LangChain
• Πρώτο έργο – Γεννήτρια ονομάτων για κατοικίδια
• Εξερευνώντας πράκτορες εντός της LangChain
• Δεύτερο έργο – Βοηθός YouTube
• Δημιουργώντας τα δικά μας Vector Stores
• Συζήτηση για τις πιθανές εφαρμογές της LangChain
• Κόστος και προϋπολογισμός OpenAI API

Αν είστε αρχάριος που θέλει να εξερευνήσει τον κόσμο των μεγάλων γλωσσικών μοντέλων και των εφαρμογών NLP, αυτό το μάθημα crash στο LangChain είναι ένας φανταστικός πόρος.

Με εστίαση σε πρακτικά έργα και απλοποιημένη χρήση μεγάλων μοντέλων γλωσσών, μπορείτε να ξεκινήσετε γρήγορα το ταξίδι σας προς τη δημιουργία προσαρμοσμένων εφαρμογών NLP.

Stable Diffusion Crash Course

Αυτό το πλήρες μάθημα έχει σχεδιαστεί για αρχάριους να μάθουν πώς να το χρησιμοποιούν Σταθερή Διάχυση, ένα εργαλείο για τη δημιουργία τέχνης και εικόνων. Το μάθημα καλύπτει διάφορες πτυχές, συμπεριλαμβανομένης της εκπαίδευσης του δικού σας μοντέλου, χρησιμοποιώντας το Control Net, τη χρήση του τερματικού σημείου του API του Stable Diffusion και πολλά άλλα.

Υπογραμμίζει επίσης τις ηθικές επιπτώσεις της τεχνητής νοημοσύνης στην τέχνη και δίνει έμφαση στην υπεύθυνη χρήση και τον σεβασμό των δικαιωμάτων των καλλιτεχνών.

Προαπαιτούμενα

Το μάθημα δεν προσδιορίζει καμία προϋπόθεση, αλλά η βασική κατανόηση της τέχνης και των εννοιών της τεχνητής νοημοσύνης μπορεί να είναι επωφελής για την καλύτερη κατανόηση του υλικού.

Συμπερίληψη μαθήματος

• Εισαγωγή στη Σταθερή Διάχυση
• Κατασκευάστε και εκπαιδεύστε το δικό σας μοντέλο
• Εισαγωγή στο Δίκτυο Ελέγχου στη Σταθερή Διάχυση
• Εξερευνώντας το τελικό σημείο API του Stable Diffusion
• Πλοήγηση στις ηθικές προκλήσεις στην τέχνη που δημιουργείται από AI
• Υπεύθυνη τεχνητή νοημοσύνη στη δημιουργία τέχνης
• Πόροι για Διαρκή Μάθηση

Εάν είστε αρχάριος που ενδιαφέρεται να δημιουργήσετε τέχνη και εικόνες χρησιμοποιώντας το Stable Diffusion, αυτό το μάθημα crash είναι ένας πολύτιμος πόρος. Καλύπτει όλα τα βασικά, από την εκπαίδευση του δικού σας μοντέλου έως τη χρήση του τερματικού σημείου API του Stable Diffusion.

Το μάθημα υπογραμμίζει επίσης τη σημασία της υπεύθυνης χρήσης της τεχνητής νοημοσύνης στην τέχνη και του σεβασμού των δικαιωμάτων των καλλιτεχνών.

LangChain για Ανάπτυξη Εφαρμογών LLM

Αυτό το μάθημα, που παρέχεται σε συνεργασία με τη LangChain, έχει σχεδιαστεί για αρχάριους και εστιάζει στη χρήση LangChain for Language Model (LLM) Ανάπτυξη εφαρμογής. Το LangChain είναι ένα πλαίσιο για την επέκταση των περιπτώσεων χρήσης και των δυνατοτήτων των μοντέλων γλώσσας στην ανάπτυξη εφαρμογών.

Σε αυτό το μάθημα, θα μάθετε πώς να εφαρμόζετε LLM στα ιδιόκτητα δεδομένα σας, να δημιουργείτε προσωπικούς βοηθούς και εξειδικευμένα chatbot και να εξερευνάτε διάφορα χαρακτηριστικά του πλαισίου LangChain.

Προαπαιτούμενα

Ενώ το μάθημα είναι φιλικό για αρχάριους, η κατοχή βασικών γνώσεων Python μπορεί να είναι επωφελής για να αξιοποιήσετε στο έπακρο.

Συμπερίληψη μαθήματος

• Εισαγωγή στο LangChain και στο LLM
• Προτροπές μοντέλων και αναλυτές
• Μνήμη και πλαίσιο σε LLMs
• Χτίζοντας αλυσίδες αλληλεπίδρασης
• Διαχείριση Αλυσίδας Προόδου και Λογικής
• Χειρισμός και ανάκτηση σφαλμάτων σε αλυσίδες
• Ανάπτυξη συστημάτων Q&A με LLMs
• Μετρήσεις αξιολόγησης και απόδοσης
• Συνεργασία με αντιπροσώπους στο LangChain
• Ενσωμάτωση πρακτόρων για αυτοματοποίηση εργασιών
• Μελέτες περίπτωσης επιτυχών εφαρμογών πρακτόρων

Εάν είστε αρχάριος και θέλετε να επεκτείνετε τις γνώσεις σας στην ανάπτυξη εφαρμογών γλωσσικών μοντέλων χρησιμοποιώντας το LangChain, αυτό το μάθημα είναι ένας πολύτιμος πόρος.

Με εστίαση στην πρακτική μάθηση και διδάσκεται από τους Harrison Chase και Andrew Ng, αυτό το μάθημα παρέχει βασικές δεξιότητες για την αξιοποίηση των δυνατοτήτων των γλωσσικών μοντέλων στην ανάπτυξη εφαρμογών.

Πώς οι Business Thinkers μπορούν να αρχίσουν να δημιουργούν προσθήκες AI με σημασιολογικό πυρήνα

Αυτό το μάθημα, σε συνεργασία με τη Microsoft, απευθύνεται σε αρχάριους και επιχειρηματίες που το θέλουν ξεκινήστε να δημιουργείτε πρόσθετα AI με το Semantic Kernel.

Θα μάθετε πώς να χρησιμοποιείτε τον ενορχηστρωτή ανοιχτού κώδικα της Microsoft, Semantic Kernel, για να αναπτύξετε τις δεξιότητες επιχειρηματικού σχεδιασμού και ανάλυσης, αξιοποιώντας παράλληλα εργαλεία τεχνητής νοημοσύνης.

Το μάθημα καλύπτει διάφορες πτυχές της εργασίας με μεγάλα γλωσσικά μοντέλα (LLM) και τη χρήση κοινών δομικών στοιχείων όπως μνήμες, σύνδεσμοι, αλυσίδες και σχεδιαστές.

Προαπαιτούμενα

Συνιστάται η βασική γνώση Python και η κατανόηση μιας διεπαφής προγραμματισμού εφαρμογών (API). Η εξοικείωση με το τι είναι ένα κιτ σχεδίασης λογισμικού (SDK) μπορεί να είναι χρήσιμη, αλλά δεν απαιτείται.

Συμπερίληψη μαθήματος

• Εισαγωγή στα μεγάλα γλωσσικά μοντέλα (LLMs)
• Εισαγωγή στον Σημασιολογικό Πυρήνα
• Επισκόπηση του Open-Source Orchestrator της Microsoft
• Ανάπτυξη αποτελεσματικών προτροπών
• Εξερεύνηση διανυσματικών βάσεων δεδομένων
• Διαχείριση και αναζήτηση διανυσματικών δεδομένων
• Κατανόηση των σημασιολογικών συναρτήσεων και του ρόλου τους
• LLMs για τον προγραμματισμό και τη λήψη αποφάσεων

Εάν είστε επιχειρηματίας ή αρχάριος που ενδιαφέρεται να δημιουργήσει πρόσθετα AI και να αξιοποιήσει εργαλεία τεχνητής νοημοσύνης για επιχειρηματικό σχεδιασμό και ανάλυση, αυτό το μάθημα είναι ένας πολύτιμος πόρος.

Θα μάθετε πώς να εργάζεστε με Large Language Models (LLM) και Semantic Kernel της Microsoft, αποκτώντας τις δεξιότητες για τη δημιουργία εξελιγμένων επιχειρηματικών εφαρμογών χρησιμοποιώντας LLMs.

Το μάθημα δίνει επίσης έμφαση στη χρήση κοινών δομικών στοιχείων LLM και του ενορχηστρωτή ανοιχτού κώδικα Semantic Kernel. Διδάσκεται από τον John Maeda, Αντιπρόεδρο Σχεδιασμού και Τεχνητής Νοημοσύνης στη Microsoft, αυτό το μάθημα παρέχει βασικές γνώσεις για επιχειρηματικές εφαρμογές.

Βελτιστοποίηση μοντέλων μεγάλων γλωσσών

Αυτό το μάθημα, σε συνεργασία με τη Lamini, εστιάζει στις βασικές αρχές του τελειοποίηση μοντέλων μεγάλων γλωσσών (LLM). Η τελειοποίηση είναι μια διαδικασία όπου παίρνετε τα δικά σας δεδομένα για να εκπαιδεύσετε το μοντέλο, ενημερώνοντας τα βάρη των νευρωνικών δικτύων στο LLM.

Αυτό το μάθημα θα σας βοηθήσει να κατανοήσετε πότε πρέπει να εφαρμόσετε λεπτομερή ρύθμιση, πώς να προετοιμάσετε τα δεδομένα σας για αυτό και πώς να εκπαιδεύσετε και να αξιολογήσετε ένα LLM στα δεδομένα σας. Θα μάθετε επίσης πώς η λεπτομέρεια διαφέρει από άλλες μεθόδους, όπως η άμεση μηχανική και η ανάκτηση επαυξημένης γενιάς.

Προαπαιτούμενα

Για να αξιοποιήσουν στο έπακρο αυτό το μάθημα, συνιστάται στους εκπαιδευόμενους να έχουν εξοικείωση με την Python και να κατανοούν ένα πλαίσιο βαθιάς μάθησης όπως το PyTorch.

Συμπερίληψη μαθήματος

• Εισαγωγή στο μάθημα
• Γιατί Finetune
• Εκεί που ταιριάζει η τελειοποίηση
• Βελτιστοποίηση οδηγιών
• Προετοιμασία και Προεπεξεργασία Δεδομένων
• Διαδικασία εκπαίδευσης μοντέλου
• Αξιολόγηση και Επανάληψη

Εάν θέλετε να βουτήξετε στον κόσμο της τελειοποίησης μεγάλων γλωσσικών μοντέλων (LLM) και να κατανοήσετε τις τεχνικές και τις εφαρμογές που εμπλέκονται, αυτό το μάθημα είναι μια πολύτιμη πηγή.

Διδάσκεται από τη Sharon Zhou, μια έμπειρη καθηγήτρια στον τομέα, το μάθημα καλύπτει τα βασικά στοιχεία για το πότε και πώς να εφαρμόσετε τη λεπτομερή ρύθμιση, την προετοιμασία δεδομένων και την εκπαίδευση και αξιολόγηση των LLMs χρησιμοποιώντας τα δικά σας δεδομένα.

Δημιουργία συστημάτων με το ChatGPT API

Αυτό το σύντομο μάθημα, σε συνεργασία με το OpenAI, επικεντρώνεται σε «Δημιουργία συστημάτων με το ChatGPT API.Έχει σχεδιαστεί για να διδάσκει στους μαθητές πώς να κατασκευάζουν αποτελεσματικά συστήματα πολλαπλών βημάτων χρησιμοποιώντας μεγάλα γλωσσικά μοντέλα.

Διαχωρίζοντας σύνθετες εργασίες σε μια σειρά από δευτερεύουσες εργασίες χρησιμοποιώντας προτροπές πολλαπλών σταδίων, θα μάθετε πώς να αυτοματοποιείτε πολύπλοκες ροές εργασίας και να βελτιώνετε την αποτελεσματικότητά σας.

Προαπαιτούμενα

Χρειάζεστε μόνο μια βασική κατανόηση της Python για να ολοκληρώσετε αυτό το μάθημα. Είναι επίσης κατάλληλο για μεσαίους ή προχωρημένους μηχανικούς μηχανικής εκμάθησης που θέλουν να βελτιώσουν τις άμεσες μηχανικές τους δεξιότητες για LLM.

Συμπερίληψη μαθήματος

• Μοντέλα γλωσσών, Μορφή συνομιλίας και διακριτικά
• Ταξινομήσεις
• Μετριοπάθεια
• Συλλογισμός αλυσίδας σκέψεων
• Chaining Prompts
• Αξιολόγηση- I και II

Αν θέλετε να βελτιώσετε τις δεξιότητές σας στη δημιουργία συστημάτων με το ChatGPT API, αυτό το μάθημα είναι ένας πολύτιμος πόρος. Από τα βασικά έως τις προηγμένες έννοιες, θα μάθετε πώς να δημιουργείτε αλυσίδες προτροπών, να εργάζεστε με κώδικα Python και να δημιουργείτε ένα chatbot εξυπηρέτησης πελατών.

Οι πρακτικές δεξιότητες που αποκτάτε μπορούν να εφαρμοστούν σε διάφορα σενάρια πραγματικού κόσμου, καθιστώντας το μια αξιόλογη επένδυση του χρόνου σας. Διδάσκεται από ειδικούς του κλάδου και διατίθεται δωρεάν για περιορισμένο χρονικό διάστημα, αυτό το μάθημα είναι η ευκαιρία σας να εξερευνήσετε και να κατακτήσετε τις δυνατότητες μεγάλων γλωσσικών μοντέλων.

Εγγραφείτε τώρα και ξεκινήστε να κατασκευάζετε σύνθετα συστήματα αποτελεσματικά!

Vector Embeddings Tutorial

Αυτό το σεμινάριο έχει να κάνει με την κατανόηση και τη χρήση διανυσματικές ενσωματώσεις στα έργα μηχανικής μάθησης και τεχνητής νοημοσύνης.

Σας διδάσκει πώς να δημιουργήσετε έναν βοηθό AI με ενσωματώσεις διανυσμάτων χρησιμοποιώντας τις τεχνικές GPT-4 API, LangChain και Επεξεργασίας Φυσικής Γλώσσας (NLP) του OpenAI.

Προαπαιτούμενα

Το μάθημα δεν προσδιορίζει προαπαιτούμενα, αλλά μια βασική κατανόηση των εννοιών μηχανικής μάθησης και κάποια εξοικείωση με τον προγραμματισμό θα ήταν χρήσιμη.

Συμπερίληψη μαθήματος

• Κατανόηση των διανυσματικών ενσωματώσεων
• Δημιουργία ενσωματώσεων κειμένου με το OpenAI
• Εργασία με διανυσματικές βάσεις δεδομένων
• Εισαγωγή στο Langchain
• Δημιουργία Βοηθού AI
• Hands-On: Δημιουργία Βοηθού AI

Αν θέλετε να βελτιώσετε τις γνώσεις σας σχετικά με τις ενσωματώσεις διανυσμάτων και να μάθετε πώς να δημιουργείτε έναν βοηθό AI χρησιμοποιώντας τεχνικές GPT-4, LangChain και NLP, αυτό το σεμινάριο είναι μια εξαιρετική πηγή.

Οι διανυσματικές ενσωματώσεις είναι μια θεμελιώδης έννοια στη σύγχρονη τεχνητή νοημοσύνη και η κατανόηση του τρόπου εργασίας με αυτές είναι πολύτιμη.

Μεγάλα γλωσσικά μοντέλα με σημασιολογική αναζήτηση

Αυτό το μάθημα έχει να κάνει με τη βελτίωση της αναζήτησης λέξεων-κλειδιών με την ενσωμάτωση μεγάλα γλωσσικά μοντέλα και σημασιολογική αναζήτηση τεχνικές.

Θα μάθετε πώς να χρησιμοποιείτε το Cohere Rerank και τις ενσωματώσεις για να βελτιώσετε τα αποτελέσματα αναζήτησης λέξεων-κλειδιών, κάνοντας την εμπειρία χρήστη πιο αποτελεσματική και αποδοτική.

Προαπαιτούμενα

Το μάθημα χαρακτηρίζεται ως “Αρχάριος”, αλλά συνιστάται η βασική εξοικείωση με την Python για να αξιοποιήσετε στο έπακρο το περιεχόμενο. Κάποια κατανόηση της αναζήτησης και των συστημάτων ανάκτησης που βασίζονται σε λέξεις-κλειδιά μπορεί επίσης να είναι ευεργετική.

Συμπερίληψη μαθήματος

• Βελτίωση αναζήτησης λέξεων-κλειδιών με σημασιολογική αναζήτηση
• Ενσωμάτωση
• Πυκνή Ανάκτηση
• Επανακατάταξη

Αυτό το μάθημα σάς βοηθά να κατανοήσετε τις βασικές τεχνικές και έννοιες για να κάνετε τα συστήματα αναζήτησής σας πιο έξυπνα και πιο αποτελεσματικά.

Αν θέλετε να βελτιώσετε τις δυνατότητες αναζήτησής σας, αυτό το μάθημα είναι μια εξαιρετική πηγή. Εγγραφείτε τώρα και πηγαίνετε την αναζήτηση λέξεων-κλειδιών στο επόμενο επίπεδο με τεχνικές σημασιολογικής αναζήτησης!

Αξιολόγηση και εντοπισμός σφαλμάτων γενεσιουργών μοντέλων AI

Αυτό το μάθημα εστιάζει στη ζωτική δεξιότητα του αξιολόγηση και εντοπισμός σφαλμάτων μοντέλων τεχνητής νοημοσύνης που δημιουργούνται, είτε πρόκειται για μοντέλα μεγάλων γλωσσών (LLM) είτε για μοντέλα παραγωγής εικόνας. Προσφέρει πληροφορίες σχετικά με τη χρήση εργαλείων ανεξάρτητα από την πλατφόρμα για την αποτελεσματική παρακολούθηση, παρακολούθηση και αξιολόγηση αυτών των μοντέλων.

Προαπαιτούμενα

Το μάθημα απευθύνεται σε μαθητές μεσαίου επιπέδου. Θα πρέπει να έχετε κάποια εξοικείωση με την Python και εμπειρία με πλαίσια όπως το PyTorch ή παρόμοια. Το υπόβαθρο σε έργα μηχανικής μάθησης ή τεχνητής νοημοσύνης είναι επωφελές αλλά δεν απαιτείται αυστηρά.

Συμπερίληψη μαθήματος

• Όργανο W & B
• Training Diffusion Model με W & B
• Αξιολόγηση μοντέλων διάχυσης
• LLM Evaluation and Tracing with W & B
• Τελειοποίηση ενός γλωσσικού μοντέλου

Η ικανότητα αξιολόγησης και εντοπισμού σφαλμάτων δημιουργημένων μοντέλων τεχνητής νοημοσύνης είναι ζωτικής σημασίας στον κόσμο της τεχνητής νοημοσύνης και της μηχανικής μάθησης. Αυτό το μάθημα σας εξοπλίζει με πολύτιμες δεξιότητες και εργαλεία για την αποτελεσματική διαχείριση, παρακολούθηση και αξιολόγηση των έργων σας.

Χρησιμοποιώντας την πλατφόρμα Weights & Biases, θα βελτιώσετε τη ροή εργασίας σας, επιτρέποντάς σας να παρακολουθείτε πειράματα, να διαχειρίζεστε δεδομένα και να συνεργάζεστε αποτελεσματικά.

Η εκπαιδεύτρια Carey Phelps, Founding Product Manager στο Weights & Biases, φέρνει την τεχνογνωσία της για να σας βοηθήσει να κατακτήσετε αυτήν την κρίσιμη πτυχή της ανάπτυξης της τεχνητής νοημοσύνης. Αν θέλετε να βελτιώσετε τις δεξιότητές σας στις λειτουργίες μηχανικής μάθησης και να αξιολογήσετε και να διορθώσετε αποτελεσματικά μοντέλα τεχνητής νοημοσύνης που δημιουργούνται, αυτό το μάθημα είναι μια εξαιρετική επιλογή. Εγγραφείτε τώρα για να μεταφέρετε τα έργα σας AI στο επόμενο επίπεδο!

LangChain: Συνομιλήστε με τα δεδομένα σας

Αυτό το σύντομο μάθημα παρέχει την ευκαιρία να μάθετε απευθείας από τον Harrison Chase, τον δημιουργό του LangChainένα ισχυρό πλαίσιο σχεδιασμένο για να απλοποιεί τη δημιουργία εφαρμογών χρησιμοποιώντας μεγάλα γλωσσικά μοντέλα (LLM).

Σε αυτό το μάθημα, θα βουτήξετε σε δύο κύρια θέματα: Ανάκτηση επαυξημένης γενιάς (RAG), μια κοινή εφαρμογή LLM και δημιουργία ενός chatbot που απαντά σε ερωτήματα με βάση το περιεχόμενο των εγγράφων σας.

Προαπαιτούμενα

Αυτό το μάθημα είναι φιλικό για αρχάριους, αλλά προϋποθέτει ότι είστε εξοικειωμένοι με την Python. Είναι ιδανικό για προγραμματιστές που ενδιαφέρονται να δημιουργήσουν εφαρμογές χρησιμοποιώντας μεγάλα μοντέλα γλώσσας όπως το ChatGPT. Εάν έχετε κάποιες δεξιότητες Python και θέλετε να αξιοποιήσετε τα LLM για τα έργα σας, αυτό το μάθημα προσφέρει πρακτική γνώση και πρακτική εμπειρία.

Συμπερίληψη μαθήματος

• Φόρτωση εγγράφου
• Διαίρεση εγγράφων
• VectorStores and Embedding
• Ανάκτηση
• Συνομιλία με το LLM

Το LangChain είναι ένα πολύτιμο πλαίσιο για την απλούστευση της δημιουργίας εφαρμογών που χρησιμοποιούν μεγάλα γλωσσικά μοντέλα. Αν θέλετε να μάθετε πώς να αξιοποιείτε τη δύναμη των LLM για τη δημιουργία εφαρμογών που μπορούν να αλληλεπιδρούν με δεδομένα, αυτό το μάθημα είναι μια εξαιρετική επιλογή.

Μαθαίνοντας απευθείας από τον Harrison Chase, θα αποκτήσετε τις γνώσεις και τις δεξιότητες που απαιτούνται για να εργαστείτε αποτελεσματικά με το LangChain.

Είτε ενδιαφέρεστε για το Retrieval Augmented Generation (RAG) είτε για τη δημιουργία chatbots που ανταποκρίνονται στο περιεχόμενο εγγράφων, αυτό το μάθημα παρέχει μια πρακτική διαδρομή για τη δημιουργία εφαρμογών που συνομιλούν απευθείας με τα δεδομένα σας.

Δημιουργία γενετικών εφαρμογών AI με το Gradio

Αυτό το σύντομο μάθημα σας προσφέρει την ευκαιρία να μάθετε από τον Apolinário Passos, Μηχανικό Τέχνης Machine Learning στο Hugging Face. Το επίκεντρο του μαθήματος είναι η δημιουργία παραγωγικές εφαρμογές AI χρησιμοποιώντας Gradioμια φιλική προς τον χρήστη πλατφόρμα για τη δημιουργία εφαρμογών μηχανικής εκμάθησης.

Θα μπορείτε να δημιουργείτε γρήγορα και να επιδεικνύετε εφαρμογές μηχανικής εκμάθησης, να τις μοιράζεστε με άλλους και να αποκτάτε πρακτικές γνώσεις για τα έργα σας.

Προαπαιτούμενα

Αυτό το μάθημα είναι φιλικό για αρχάριους, αλλά συνιστάται κάποιες βασικές γνώσεις Python. Εάν έχετε βασική κατανόηση της Python και θέλετε να δημιουργείτε και να μοιράζεστε γρήγορα εφαρμογές και επιδείξεις χρησιμοποιώντας το Gradio, αυτό το μάθημα παρέχει μια εξαιρετική ευκαιρία να το κάνετε.

Ένταξη μαθήματος

• Διεπαφή εργασιών NLP
• Εφαρμογή υπότιτλων εικόνων
• ΕΦΑΡΜΟΓΗ δημιουργίας εικόνων
• Περιγράψτε και δημιουργήστε
• Συνομιλία με οποιοδήποτε LLM

Στον κόσμο της τεχνητής νοημοσύνης και της μηχανικής μάθησης, η δημιουργία πρακτικών εφαρμογών είναι μια κρίσιμη δεξιότητα. Αυτό το σύντομο μάθημα για τη δημιουργία εφαρμογών AI με το Gradio σάς επιτρέπει να κάνετε ακριβώς αυτό.

Είτε θέλετε να δημιουργήσετε εφαρμογές σύνοψης κειμένου, εργαλεία υποτίτλων εικόνων, διεπαφές δημιουργίας κειμένου σε εικόνα ή ακόμα και chatbot με μεγάλα μοντέλα γλώσσας ανοιχτού κώδικα, αυτό το μάθημα σας εξοπλίζει με τις γνώσεις για να το κάνετε αποτελεσματικά.

Φροντιστήριο Development with Large Language Models

Αυτό το μάθημα, που δημιουργήθηκε από τον Akshath, εστιάζει σε ανάπτυξη μεγάλων γλωσσικών μοντέλων (LLM) να αξιοποιήσουν τις δυνατότητές τους για διάφορα έργα. Καθ ‘όλη τη διάρκεια του μαθήματος, θα συμμετέχετε σε πρακτικά έργα που θα σας επιτρέψουν να εργαστείτε αποτελεσματικά με LLM.

Τα έργα που θα αναλάβετε καλύπτουν τη δημιουργία δυναμικών διεπαφών, την αλληλεπίδραση με τεράστιες ποσότητες δεδομένων κειμένου και τη δυνατότητα στους LLM να περιηγηθούν στο διαδίκτυο για ερευνητικές εργασίες.

Προαπαιτούμενα

Οι προϋποθέσεις για αυτό το μάθημα μπορεί να διαφέρουν ανάλογα με τα συγκεκριμένα έργα και το περιεχόμενο που καλύπτονται. Ωστόσο, η βασική κατανόηση της Python συνιστάται γενικά για εργασία με LLM. Κάθε έργο μπορεί να έχει τις δικές του προϋποθέσεις, επομένως είναι σκόπιμο να ελέγξετε το περιεχόμενο και τα έργα που περιλαμβάνονται στο μάθημα για πιο συγκεκριμένες απαιτήσεις.

Συμπερίληψη μαθήματος

• Εισαγωγή στα LLMs
• ChatGPT Playground και GPT API
• Κτίριο με ChainLit
• Εργασία με διανυσματικές βάσεις δεδομένων
• Υλοποίηση Q&A με έγγραφα (TXT και PDF)
• Περιήγηση στο Web και Πράκτορες
• Δημιουργία μιας προσθήκης Mini Code Interpreter (Εργαλείο Replit)
• Επέκταση λειτουργικότητας με πράκτορες
• Εργαλείο Shell και Δημιουργία προσαρμοσμένου εργαλείου

Το Development with Large Language Models Tutorial είναι ένα ολοκληρωμένο μάθημα που σας καθοδηγεί σε μια σειρά από πρακτικά έργα, δίνοντάς σας τη δυνατότητα να αξιοποιήσετε τις δυνατότητες των LLM για τα έργα σας.

Είτε ενδιαφέρεστε να δημιουργήσετε δυναμικές διεπαφές, να εργάζεστε με δεδομένα κειμένου ή να διεξάγετε έρευνα στο Διαδίκτυο με LLM, αυτό το μάθημα σας εξοπλίζει με τις δεξιότητες και τις γνώσεις για να ξεκινήσετε.

Εγγραφείτε τώρα και ξεκινήστε να κατασκευάζετε έργα που αξιοποιούν τα LLM για διάφορες εφαρμογές.

Δημιουργήστε εφαρμογές AI με ChatGPT, DALL-E και GPT-4

Αυτό το πλήρες μάθημα, που δημιουργήθηκε από τον Tom Chant, δάσκαλο στο Scrimba, έχει σχεδιαστεί για να σας διδάξει πώς να χτίζετε Εφαρμογές με τεχνητή νοημοσύνη χρησιμοποιώντας τα API ChatGPT, DALL-E και GPT-4.

Το μάθημα καλύπτει διάφορες πτυχές της ανάπτυξης εφαρμογών τεχνητής νοημοσύνης και περιλαμβάνει πρακτικά έργα που θα σας βοηθήσουν να μάθετε και να εφαρμόσετε τις γνώσεις σας.

Προαπαιτούμενα

Το μάθημα συνιστά να έχετε μια βασική κατανόηση των HTML, CSS και JavaScript πριν το πάρετε. Συνιστάται επίσης να μάθετε ορισμένες βασικές δεξιότητες ανάπτυξης ιστού, καθώς το μάθημα επικεντρώνεται στη δημιουργία εφαρμογών τεχνητής νοημοσύνης για τον Ιστό.

Συμπερίληψη μαθήματος

• MoviePitch – Δημιουργία ενός Pitch Generator
• Ρύθμιση της πλάκας λέβητα
• Εξερεύνηση μοντέλων και εργαλείων
• Υλοποίηση fetchSynopsis
• Κατανοώντας τα Tokens
• Προσθήκη δημιουργίας εικόνων με το createImage και Completing UX
• KnowItAll – GPT-4 Chatbox
• Κατανόηση του τρόπου λειτουργίας των μοντέλων ChatGPT για Chatbots
• Αξιοποιώντας το τελικό σημείο ολοκλήρωσης δημιουργίας συνομιλίας
• Ρύθμιση και διαμόρφωση βάσης δεδομένων Firebase
• Διαχείριση συνομιλιών στη βάση δεδομένων
• Μετατροπή του Chatbot σε We-Wingit
• Ρύθμιση περιβάλλοντος για λεπτομέρεια
• Συντονισμός του μοντέλου και ενημέρωση JavaScript για ανάπτυξη
• Ανάπτυξη και φιλοξενία στο Netlify
• Μεταβλητές Λήψης, GitHub και Περιβάλλοντος
• Εφαρμογή λειτουργιών χωρίς διακομιστή Netlify

Αυτό είναι ένα ολοκληρωμένο μάθημα για αρχάριους που ενδιαφέρονται να δημιουργήσουν εφαρμογές με τεχνητή νοημοσύνη. Είτε θέλετε να δημιουργήσετε διαδραστικές διεπαφές, chatbots, εφαρμογές δημιουργίας εικόνας ή βελτιωμένα chatbots, αυτό το μάθημα καλύπτει μια σειρά θεμάτων και παρέχει πρακτικά έργα για την εφαρμογή των γνώσεών σας.

Αν θέλετε να ξεκινήσετε με την ανάπτυξη εφαρμογών AI, αυτό το μάθημα είναι ένας εξαιρετικός πόρος. Εγγραφείτε και ξεκινήστε να δημιουργείτε τις εφαρμογές σας με τεχνητή νοημοσύνη σήμερα.

Τελικές Λέξεις

Σε αυτό το άρθρο, έχουμε εξερευνήσει διάφορα δωρεάν μαθήματα που θα σας βοηθήσουν να μάθετε όλες τις απαραίτητες έννοιες σε βάθος, μαζί με πρακτικά έργα. Φροντίστε να ολοκληρώσετε όλες τις απαραίτητες ασκήσεις ενώ μαθαίνετε. θα βελτιώσει την κατανόησή σας.

Όταν είστε έτοιμοι να ξεκινήσετε την κατασκευή, ρίξτε μια ματιά στα δημοφιλή μας μοντέλα τεχνητής νοημοσύνης για τη δημιουργία παραγωγικών εφαρμογών τεχνητής νοημοσύνης.