generative_ai_udacity

Udacity Generative AI Nanodegree: Persönliche Notizen

Dies sind meine persönlichen Notizen, die ich während der Verfolgung des Udacity Generative AI Nanodegree gemacht habe.

Der Nanodegree setzt grundlegende Datenanalysefähigkeiten mit datenwissenschaftlichen Python-Bibliotheken und -Datenbanken voraus und verfügt über 4 Module, die auf diesen Fähigkeiten aufbauen; Jedes Modul hat seinen entsprechenden Ordner in diesem Repository mit seiner Guide-Markdown-Datei:

1. Generative KI-Grundlagen: 01_Fundamentals_GenAI .
   • Foundation-Modelle
   • Feinabstimmung
2. Große Sprachmodelle (LLMs) und Textgenerierung: 02_LLMs .
   • Transformatoren und LLMs
   • Retrieval Augmented Generation (RAG) Chatbots
3. Computer Vision und generative KI: 03_ComputerVision .
   • Generative Adversarial Networks (GANs)
   • Visionstransformatoren
   • Diffusionsmodelle
4. Generative KI-Lösungen entwickeln: 04_BuildingSolutions .
   • Vektordatenbanken
   • LangChain und Agenten

Darüber hinaus ist es notwendig, einige Projekte einzureichen und zu bestehen, um die Zertifizierung zu erhalten:

• Projekt 1: Leichte Feinabstimmung auf ein Fundamentmodell anwenden – TBD.
• Projekt 2: Erstellen Sie Ihren eigenen benutzerdefinierten Chatbot – TBD.
• Projekt 3: KI-Fotobearbeitung mit Inpainting – TBD.
• Projekt 4: Personalisierter Immobilienmakler – TBD.

Schauen Sie sich abschließend auch einige meiner persönlichen Leitfäden zu verwandten Tools an:

• Meine persönlichen Anmerkungen zum O'Reilly-Buch Generative Deep Learning, 2. Auflage, von David Foster
• Meine persönlichen Anmerkungen zum O'Reilly-Buch Natural Language Processing with Transformers von Lewis Tunstall, Leandro von Werra und Thomas Wolf (O'Reilly)
• HuggingFace-Anleitung: mxagar/tool_guides/hugging_face
• LangChain-Leitfaden: mxagar/tool_guides/langchain
• LLM-Tools: mxagar/tool_guides/llms
• NLP-Leitfaden: mxagar/nlp_guide
• Deep-Learning-Methoden für Lebenslauf und NLP: mxagar/computer_vision_udacity/CVND_Advanced_CV_and_DL.md
• Deep-Learning-Methoden für NLP: mxagar/deep_learning_udacity/DLND_RNNs.md

Aufstellen

Eine normale Python-Umgebung mit den üblichen Data-Science-Paketen sollte ausreichen (z. B. Scikit-Learn, Pandas, Matplotlib usw.); Alle speziellen/zusätzlichen Pakete und ihre Installationsbefehle werden in den Handbüchern vorgestellt. Ein Rezept zum Einrichten einer Conda-Umgebung mit meinen aktuellen Paketen ist das Folgende:

conda create --name ds pip python=3.10
conda activate ds
pip install -r requirements.txt

Interessante Links

• Microsoft/Generative-AI-für-Anfänger
• ...

Credits

Viele der Inhalte in diesem Repository wurden nach dem Udacity Generative AI Nanodegree erstellt.

Mikel Sagardia, 2024.
Keine Garantien.