นี่เป็นบันทึกส่วนตัวของฉันที่จดไว้ในขณะที่ติดตาม Udacity Generative AI Nanodegree
Nanodegree ประเมินทักษะการวิเคราะห์ข้อมูลขั้นพื้นฐานด้วยไลบรารีและฐานข้อมูล Python วิทยาศาสตร์ข้อมูล และมี 4 โมดูลที่สร้างขึ้นจากทักษะเหล่านั้น แต่ละโมดูลมีโฟลเดอร์ที่เกี่ยวข้องในที่เก็บนี้พร้อมไฟล์ Markdown คำแนะนำ:
01_Fundamentals_GenAI
02_LLMs
03_ComputerVision
04_BuildingSolutions
นอกจากนี้ จำเป็นต้องส่งและผ่านบางโครงการเพื่อรับการรับรอง:
สุดท้ายนี้ ให้ตรวจสอบคำแนะนำส่วนตัวของฉันเกี่ยวกับเครื่องมือที่เกี่ยวข้องด้วย:
mxagar/tool_guides/hugging_face
mxagar/tool_guides/langchain
mxagar/tool_guides/llms
mxagar/nlp_guide
mxagar/computer_vision_udacity/CVND_Advanced_CV_and_DL.md
mxagar/deep_learning_udacity/DLND_RNNs.md
สภาพแวดล้อมแบบหลามปกติที่มีแพ็คเกจวิทยาศาสตร์ข้อมูลทั่วไปก็น่าจะเพียงพอแล้ว (เช่น scikit-learn, pandas, matplotlib ฯลฯ) แพ็คเกจพิเศษ/แพ็คเกจเพิ่มเติมใดๆ และคำสั่งการติดตั้งจะมีอยู่ในคำแนะนำ สูตรในการตั้งค่าสภาพแวดล้อม conda ด้วยแพ็คเกจปัจจุบันของฉันมีดังต่อไปนี้:
conda create --name ds pip python=3.10
conda activate ds
pip install -r requirements.txt
เนื้อหาจำนวนมากในพื้นที่เก็บข้อมูลนี้สร้างขึ้นตาม Udacity Generative AI Nanodegree
มิเกล ซาการ์เดีย, 2024.
ไม่มีการรับประกัน