generative_ai_udacity

Nanogrado de IA generativa de Udacity: notas personales

Estas son mis notas personales tomadas mientras seguía el Nanogrado de IA generativa de Udacity.

El Nanotitle asume habilidades básicas de análisis de datos con bases de datos y bibliotecas de Python de ciencia de datos, y tiene 4 módulos que desarrollan esas habilidades; cada módulo tiene su carpeta correspondiente en este repositorio con su archivo guía Markdown:

1. Fundamentos de la IA generativa: 01_Fundamentals_GenAI .
   • Modelos de cimentación
   • Sintonia FINA
2. Modelos de lenguaje grande (LLM) y generación de texto: 02_LLMs .
   • Transformadores y LLM
   • Recuperación de chatbots de generación aumentada (RAG)
3. Visión por computadora e IA generativa: 03_ComputerVision .
   • Redes generativas adversarias (GAN)
   • Transformadores de visión
   • Modelos de difusión
4. Creación de soluciones de IA generativa: 04_BuildingSolutions .
   • Bases de datos vectoriales
   • LangChain y agentes

Además, es necesario presentar y aprobar algunos proyectos para obtener la certificación:

• Proyecto 1: Aplicar ajustes ligeros a un modelo de base: por determinar.
• Proyecto 2: cree su propio chatbot personalizado: por determinar.
• Proyecto 3: Edición de fotografías con IA con Inpainting - TBD.
• Proyecto 4: Agente Inmobiliario Personalizado - TBD.

Finalmente, consulte también algunas de mis guías personales sobre herramientas relacionadas:

• Mis notas personales sobre el libro Generative Deep Learning de O'Reilly, segunda edición, de David Foster
• Mis notas personales sobre el libro de O'Reilly Natural Language Processing with Transformers, de Lewis Tunstall, Leandro von Werra y Thomas Wolf (O'Reilly)
• Guía de HuggingFace: mxagar/tool_guides/hugging_face
• Guía LangChain: mxagar/tool_guides/langchain
• Herramientas de LLM: mxagar/tool_guides/llms
• Guía de PNL: mxagar/nlp_guide
• Métodos de aprendizaje profundo para CV y ​​PNL: mxagar/computer_vision_udacity/CVND_Advanced_CV_and_DL.md
• Métodos de aprendizaje profundo para PNL: mxagar/deep_learning_udacity/DLND_RNNs.md

Configuración

Un entorno Python normal con los paquetes habituales de ciencia de datos debería ser suficiente (es decir, scikit-learn, pandas, matplotlib, etc.); Todos los paquetes especiales/adicionales y sus comandos de instalación se presentan en las guías. Una receta para configurar un entorno conda con mis paquetes actuales es la siguiente:

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

Enlaces interesantes

• microsoft/generative-ai-para-principiantes
• ...

Créditos

Muchos de los contenidos de este repositorio se crearon siguiendo el Nanogrado de IA generativa de Udacity.

Mikel Sagardía, 2024.
Sin garantías.