generative_ai_udacity

Udacity Generative AI Nanodegree: notas pessoais

Estas são minhas anotações pessoais feitas ao seguir o Udacity Generative AI Nanodegree.

O Nanodegree pressupõe habilidades básicas de análise de dados com bibliotecas e bancos de dados python de ciência de dados e tem 4 módulos que se desenvolvem nessas habilidades; cada módulo tem sua pasta correspondente neste repositório com seu arquivo Markdown guia:

1. Fundamentos de IA generativa: 01_Fundamentals_GenAI .
   • Modelos de Fundação
   • Afinação
2. Grandes Modelos de Linguagem (LLMs) e Geração de Texto: 02_LLMs .
   • Transformadores e LLMs
   • Chatbots de geração aumentada de recuperação (RAG)
3. Visão computacional e IA generativa: 03_ComputerVision .
   • Redes Adversariais Gerativas (GANs)
   • Transformadores de visão
   • Modelos de Difusão
4. Construindo soluções de IA generativa: 04_BuildingSolutions .
   • Bancos de dados vetoriais
   • LangChain e Agentes

Além disso, é necessário submeter e aprovar alguns projetos para obter a certificação:

• Projeto 1: Aplicar ajuste fino leve a um modelo de base - TBD.
• Projeto 2: Construa seu próprio chatbot personalizado - TBD.
• Projeto 3: Edição de fotos AI com pintura interna - TBD.
• Projeto 4: Agente Imobiliário Personalizado - A definir.

Por fim, verifique também alguns dos meus guias pessoais sobre ferramentas relacionadas:

• Minhas notas pessoais sobre o livro Generative Deep Learning, 2ª edição, de O'Reilly, de David Foster
• Minhas notas pessoais sobre o livro O'Reilly Natural Language Processing with Transformers, de Lewis Tunstall, Leandro von Werra e Thomas Wolf (O'Reilly)
• Guia HuggingFace: mxagar/tool_guides/hugging_face
• Guia LangChain: mxagar/tool_guides/langchain
• Ferramentas LLM: mxagar/tool_guides/llms
• Guia de PNL: mxagar/nlp_guide
• Métodos de aprendizagem profunda para CV e PNL: mxagar/computer_vision_udacity/CVND_Advanced_CV_and_DL.md
• Métodos de aprendizagem profunda para PNL: mxagar/deep_learning_udacity/DLND_RNNs.md

Configurar

Um ambiente Python regular com os pacotes usuais de ciência de dados deve ser suficiente (ou seja, scikit-learn, pandas, matplotlib, etc.); quaisquer pacotes especiais/adicionais e seus comandos de instalação são apresentados nos guias. Uma receita para configurar um ambiente conda com meus pacotes atuais é a seguinte:

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

Links interessantes

• microsoft/generativa-ai-para-iniciantes
• ...

Créditos

Muitos dos conteúdos deste repositório foram criados seguindo o Udacity Generative AI Nanodegree.

Mikel Sagardia, 2024.
Sem garantias.