เริ่มต้นด้วยรูปแบบภาษาขนาดใหญ่ (LLMS) - เป็นผู้เชี่ยวชาญได้ฟรี!
คู่มือที่สมบูรณ์ในการเริ่มต้นและพัฒนาทักษะ LLM ของคุณในปี 2567 โดยไม่มีพื้นหลังขั้นสูงในสนามและติดตามข่าวสารล่าสุดและเทคนิคที่ทันสมัย!
ก่อนอื่นหากคุณมีการเขียนโปรแกรม 0 หรือความรู้ AI โปรดทำตามคำแนะนำนี้ฉันทำเพื่อจุดประสงค์ที่แน่นอนนี้และกลับมาที่นี่!
คู่มือนี้มีไว้สำหรับทุกคนที่มีพื้นหลังเล็ก ๆ ในการเขียนโปรแกรมและการเรียนรู้ของเครื่อง ไม่มีคำสั่งเฉพาะที่จะติดตาม แต่เส้นทางคลาสสิกจะมาจากบนลงล่าง หากคุณไม่ชอบอ่านหนังสือให้ข้ามพวกเขา หากคุณไม่ต้องการทำตามหลักสูตรออนไลน์คุณสามารถข้ามไปได้ ไม่มีวิธีเดียวที่จะเป็นผู้เชี่ยวชาญการเรียนรู้ของเครื่องจักรและด้วยแรงจูงใจคุณสามารถบรรลุเป้าหมายได้อย่างแน่นอน
ทรัพยากรทั้งหมดที่ระบุไว้ที่นี่ฟรียกเว้นหลักสูตรออนไลน์และหนังสือบางเล่มซึ่งแนะนำสำหรับความเข้าใจที่ดีขึ้นอย่างแน่นอน แต่เป็นไปได้อย่างแน่นอนที่จะเป็นผู้เชี่ยวชาญโดยไม่มีพวกเขาโดยใช้เวลาอีกเล็กน้อยในการอ่านวิดีโอและการปฏิบัติออนไลน์ เมื่อพูดถึงการจ่ายหลักสูตรลิงก์ในคู่มือนี้เป็นลิงค์ในเครือ โปรดใช้พวกเขาหากคุณรู้สึกอยากทำตามหลักสูตรเพราะมันจะสนับสนุนฉัน ขอบคุณและมีความสนุกสนานในการเรียนรู้! โปรดจำไว้ว่านี่ขึ้นอยู่กับคุณอย่างสมบูรณ์และไม่จำเป็น ฉันรู้สึกว่ามันมีประโยชน์สำหรับฉันและอาจเป็นประโยชน์กับผู้อื่นเช่นกัน
อย่ากลัวที่จะทำซ้ำวิดีโอหรือเรียนรู้จากหลายแหล่ง การทำซ้ำเป็นกุญแจสำคัญของความสำเร็จในการเรียนรู้!
ผู้ดูแล: LouisfB01 ยังใช้งานอยู่บน YouTube และเป็น podcaster หากคุณต้องการเห็น/ได้ยินเพิ่มเติมเกี่ยวกับ AI & LLMS! นอกจากนี้คุณยังสามารถเรียนรู้เพิ่มเติมสัปดาห์ละสองครั้งในจดหมายข่าวส่วนตัวของฉัน!
อย่าลังเลที่จะส่งปัญหาสำหรับแหล่งข้อมูลที่ดีใด ๆ เพื่อเพิ่มลงในที่เก็บนี้
แท็กฉันบน Twitter @whats_ai หรือ LinkedIn @louis Bouchard ถ้าคุณแชร์รายการ!
ต้องการทราบว่าคู่มือนี้เกี่ยวกับอะไร? ดูวิดีโอนี้:
สารบัญ
- ก่อน
- เริ่มต้นด้วยการแนะนำวิดีโอ YouTube สั้น ๆ เป็นขั้นตอนแรก
- หนังสือและบทความ LLM (สำหรับผู้อ่าน)
- ทำตามหลักสูตรออนไลน์
- ฝึกฝนการฝึกฝนและฝึกฝน!
- การแจ้งเตือน
- Generation Augmented Retrieval (RAG)
- ทรัพยากรเพิ่มเติม (ชุมชน, แผ่นโกง, ข่าวและอื่น ๆ !)
- วิธีหางานเรียนรู้ของเครื่องจักร
- จริยธรรม AI
- เรียนรู้เพิ่มเติมและทำมากขึ้น ... ด้วย LLMS
ก่อน
หากคุณมีการเขียนโปรแกรม 0 หรือความรู้ AI โปรดทำตามคำแนะนำนี้ฉันทำเพื่อจุดประสงค์ที่แน่นอนนี้ ตรวจสอบส่วน Python ส่วนใหญ่แล้วคุณจะมีพื้นหลังที่แข็งแกร่งพอที่จะกลับมาที่นี่!
หากคุณค่อนข้างคุ้นเคยกับ Python และ AI ฉันขอให้คุณมีความสุขในการเรียนรู้!
เริ่มต้นด้วยการแนะนำวิดีโอ YouTube สั้น ๆ เป็นขั้นตอนแรก
เริ่มต้นด้วยการแนะนำวิดีโอ YouTube สั้น ๆ
นี่เป็นวิธีที่ดีที่สุดในการเริ่มต้นจากอะไร ที่นี่ฉันแสดงรายการวิดีโอที่ดีที่สุดที่ฉันพบว่าจะให้คำแนะนำที่ยอดเยี่ยมเป็นครั้งแรกเกี่ยวกับเงื่อนไขที่คุณต้องรู้เพื่อเริ่มต้นในฟิลด์ LLM
- ทำความเข้าใจกับคำศัพท์
- การเรียนรู้ AI AI AI - คู่มือของคุณเกี่ยวกับคำศัพท์ OpenAI & LLM - Louis Bouchard - การแนะนำอย่างรวดเร็วเกี่ยวกับคำที่ใช้มากที่สุดในโลก LLM (หรือ GPT)
- ทำความเข้าใจกับ Transformers และ LLMS (เช่นรุ่นที่อยู่เบื้องหลัง CHATGPT)!
- บทนำสู่รูปแบบภาษาขนาดใหญ่ - การพูดคุยที่น่าทึ่ง 1 ชั่วโมงจาก Andrej Karpathy
- การประมวลผลภาษาธรรมชาติและรูปแบบภาษาขนาดใหญ่ - การแนะนำวิดีโอที่น่าทึ่งเกี่ยวกับกลไกความสนใจโทเค็นฝังตัวและอื่น ๆ เพื่อให้เข้าใจทุกอย่างที่อยู่เบื้องหลังแบบจำลองภาษาขนาดใหญ่เช่น GPT โดย Luis Serrano
- โมเดลหม้อแปลงคืออะไรและทำงานอย่างไร? - Luis Serrano
- The Illustrated Word2vec - อินโทรที่อ่อนโยนต่อการฝังคำในการเรียนรู้ของเครื่อง - คำอธิบายที่ชัดเจนของคำที่ฝังคำในการเรียนรู้ของเครื่องโดย Jay Alammar
- คู่มือแฮกเกอร์สำหรับโมเดลภาษา - โดย Jeremy Howard (fast.ai)
- มาสร้าง GPT: ตั้งแต่เริ่มต้นในรหัสสะกดออกมา - โดย Andrej Karpathy
อีก วิธีที่ง่ายในการเริ่มต้นและเรียนรู้ต่อไปคือการฟังพอดคาสต์ ในเวลาว่าง ขับรถไปทำงานบนรถบัสหรือมีปัญหาในการนอนหลับ? ฟังพอดคาสต์ AI บางอย่างเพื่อทำความคุ้นเคยกับคำศัพท์และรูปแบบและเรียนรู้เกี่ยวกับสนามผ่านเรื่องราวที่สร้างแรงบันดาลใจ! ฉันขอเชิญคุณติดตามสิ่งที่ดีที่สุดที่ฉันชอบเองเช่น Lex Fridman, Machine Learning Street Talk และเห็นได้ชัดว่าพอดคาสต์ของฉัน: Podcast Louis Bouchard ซึ่งคุณจะได้เรียนรู้เกี่ยวกับผู้คนที่มีความสามารถอย่างไม่น่าเชื่อในสนาม สิ่งใหม่ที่ฉันสนุกกับการฟังที่ทำให้ฉันทันสมัยอยู่เสมอคือพอดคาสต์วันพฤหัสบดีโดย Alex Volkov เพื่อนของฉัน
นี่คือรายการหลักสูตรที่ยอดเยี่ยมที่มีอยู่ใน YouTube ที่คุณควรติดตามอย่างแน่นอนและฟรี 100%
- วิดีโอหลักสูตร LLM ฟรีของ Louis Bouchard "Train & Fine-Tune LLMs สำหรับหลักสูตรการผลิตโดย Activeloop ไปสู่ AI & Intel Disruptor" "เพลย์ลิสต์สำหรับหลักสูตร LLM ของเรา: Gen AI 360: การรับรองโมเดลพื้นฐาน!"
- สร้างรูปแบบภาษาขนาดใหญ่ตั้งแต่เริ่มต้นด้วย Python - การสอน - โดย FreeCodecamp "เรียนรู้วิธีการสร้างรูปแบบภาษาขนาดใหญ่ของคุณเองตั้งแต่เริ่มต้นหลักสูตรนี้จะเข้าสู่การจัดการข้อมูลคณิตศาสตร์และหม้อแปลงที่อยู่เบื้องหลังแบบจำลองภาษาขนาดใหญ่คุณจะใช้ Python"
- LLM University (LLMU) จาก Cohere - โดย Cohere LLM University (LLMU) เป็นชุดของแหล่งข้อมูลการเรียนรู้ที่ครอบคลุมสำหรับทุกคนที่สนใจในการประมวลผลภาษาธรรมชาติ (NLP) ตั้งแต่ผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง
- กลไกความสนใจในแบบจำลองภาษาขนาดใหญ่ - โดย Luis Serrano ในซีรีย์วิดีโอนี้หลุยส์อธิบายสถาปัตยกรรมของหม้อแปลงที่เพิ่มขึ้นในเชิงลึก มันเป็นภาพรวมที่ดีมากและคำอธิบายของหม้อแปลงและกลไกความสนใจที่ฉันเชื่อว่าควรได้รับการดูแลโดยผู้เชี่ยวชาญด้าน AI ทุกคน
หนังสือและบทความ LLM (สำหรับผู้อ่าน)
หากคุณต้องการบทความและเส้นทางการอ่านนี่คือคำแนะนำบางอย่าง:
- การสร้าง LLM สำหรับการผลิต: เพิ่มความสามารถและความน่าเชื่อถือของ LLM ด้วยการกระตุ้นการปรับแต่งและผ้าขี้ริ้ว - โดยไปสู่ AI "ค้นพบสแต็คคีย์เทคโนโลยีสำหรับการปรับรูปแบบภาษาขนาดใหญ่ให้เข้ากับแอพพลิเคชั่นในโลกแห่งความเป็นจริงรวมถึงวิศวกรรมที่รวดเร็วการปรับแต่งและการสร้างการเพิ่มการเรียกคืน" (หรือรับ e-book ที่นี่คุณสามารถ dm ฉันเพื่อรับส่วนลดที่ดี!)
- หม้อแปลงภาพประกอบ - โดย Jay Alammar นี่เป็นบทความที่มีชื่อเสียงที่ให้คำอธิบายที่น่าทึ่งเกี่ยวกับวิธีการทำงานของแบบจำลองภาษาปัจจุบัน
- การแนะนำ LLMS ในทางปฏิบัติ - โดย Shawhin Talebi
- สื่อเป็นสถานที่ที่ดีที่สุดในการค้นหาคำอธิบายที่ยอดเยี่ยมไม่ว่าจะเป็นไปสู่ AI หรือไปยังสิ่งพิมพ์วิทยาศาสตร์ข้อมูล ฉันยังแบ่งปันบทความของตัวเองที่นั่นและฉันชอบที่จะใช้แพลตฟอร์ม คุณสามารถสมัครสมาชิกสื่อกลางโดยใช้ลิงก์ในเครือของฉันที่นี่หากฟังดูน่าสนใจสำหรับคุณและหากคุณต้องการสนับสนุนฉันในเวลาเดียวกัน!
- รายการการอ่านสำหรับนักเรียน MILA ใหม่ - ไม่ระบุชื่อ
- แผนงานที่สมบูรณ์สำหรับ Master NLP ในปี 2022
- NLTK Book เป็นทรัพยากรฟรีที่จะเรียนรู้เกี่ยวกับทฤษฎีพื้นฐานที่อยู่เบื้องหลัง NLP: https://www.nltk.org/book/
- หม้อแปลงหมายเหตุประกอบ - ฮาร์วาร์ด
ทำตามหลักสูตรออนไลน์
หากคุณชอบคำแนะนำเพิ่มเติมฉันสามารถแนะนำการตรวจสอบหลักสูตรออนไลน์ (ไม่บังคับ) เช่น ...
- AI Generative ที่มีรูปแบบภาษาขนาดใหญ่ - จ่ายเงิน
- เป็น NLP Pro ด้วยความเชี่ยวชาญด้านการประมวลผลภาษาธรรมชาติของ Coursera โดย deeplearning.ai - จ่ายเงิน
- หลักสูตร Gradio - สร้างส่วนต่อประสานผู้ใช้สำหรับรุ่นการเรียนรู้ของเครื่อง - FreeCodecamp - ฟรี
- Train & Fine -Tune LLMs สำหรับหลักสูตรการผลิตโดย Activeloop ไปสู่ AI & Intel Disruptor - ฟรี
- LLM University โดย Cohere - ฟรี
- จากผู้เริ่มต้นไปจนถึงผู้พัฒนา LLM ขั้นสูง - โดยไปสู่ AI "สร้างผลิตภัณฑ์ที่ปรับขนาดได้ครั้งแรกของคุณด้วย LLMS, การแจ้งเตือน, ผ้าขี้ริ้ว, การปรับจูนและตัวแทน! เชี่ยวชาญทักษะระดับสูงที่ บริษัท ต้องการและสร้าง LLM MVP ขั้นสูงของคุณเองด้วยแอปพลิเคชันโลกแห่งความเป็นจริง"
- กลายเป็น NLP Pro ด้วยความเชี่ยวชาญด้านการประมวลผลภาษาธรรมชาติของ Coursera โดย Deeplearning.ai-จ่าย "บุกเข้าไปในพื้นที่ NLP เทคนิค NLP ที่ทันสมัยมาสเตอร์ผ่านหลักสูตรสี่หลักสูตร!"
- ปริญญา NLP Nano! -จ่าย "เรียนรู้เทคนิคการประมวลผลภาษาธรรมชาติที่ทันสมัยเพื่อประมวลผลคำพูดและวิเคราะห์ข้อความสร้างแบบจำลองความน่าจะเป็นและการเรียนรู้ที่ลึกล้ำเช่นโมเดล Markov ที่ซ่อนอยู่และเครือข่ายประสาทที่เกิดขึ้นอีกเพื่อสอนคอมพิวเตอร์ให้ทำงานเช่นการรู้จำเสียงการแปลเครื่องและอื่น ๆ !"
- รู้เบื้องต้นเกี่ยวกับรูปแบบภาษาขนาดใหญ่ที่มี Google Cloud - จ่ายเงิน
- เรียนรู้ที่จะฝึกอบรมปรับแต่งและใช้ LLM ในแอปพลิเคชันของคุณ - ฟรีโดยน้ำหนักและอคติ
- โมเดลภาษาขนาดใหญ่พร้อมการค้นหาความหมาย - ฟรี deeplearning.ai และ Cohere
คุณสามารถ Google ได้อย่างง่ายดายมากขึ้น แต่หลังจากอ่านและดูสิ่งเหล่านั้นแล้วฉันเชื่อว่าคุณมีความเข้าใจที่ดีพอที่จะเข้าสู่การจัดการจริง: ฝึกฝน
ฝึกฝนการฝึกฝนและฝึกฝน!
การปฏิบัติเป็นกุญแจสำคัญ
สิ่งที่สำคัญที่สุดในการเขียนโปรแกรมคือการปฏิบัติ สิ่งนี้ใช้กับการเรียนรู้ของเครื่องด้วย อาจเป็นเรื่องยากที่จะหาโครงการส่วนตัวเพื่อฝึกฝน ฉันขอแนะนำให้คุณพยายามสร้างบางสิ่งด้วยตัวเอง แต่ฉันเข้าใจว่ามันอาจเป็นการข่มขู่ สิ่งที่ฉันอยากจะแนะนำคือการทำตามหลักสูตรที่ใช้ อย่างมาก หนึ่งหรือสองหลักสูตรและใช้ทรัพยากรเพื่อสร้างโครงการของคุณเองตามตัวอย่างรหัสที่พวกเขาให้คุณและ CHATGPT หรือ GitHub Copilot เพื่อทำงานให้คุณในฐานะผู้ช่วยโค้ดสำหรับงานที่เหลือ
นี่คือหลักสูตรที่ใช้มากที่สุดที่ฉันสามารถหาได้สำหรับ LLMS:
- กำลังมองหาการสร้างรูปแบบการจำแนกประเภทข้อความอย่างรวดเร็วหรือ Word Vectorizer FastText เป็นห้องสมุดที่ดีในการฝึกอบรมแบบจำลองอย่างรวดเร็ว
- HuggingFace เป็นสถานที่ที่จะได้รับรุ่น NLP ที่ทันสมัยและพวกเขายังรวมถึงหลักสูตรทั้งหมดเกี่ยวกับมัน
- ฐานข้อมูล Langchain & Vector ในการผลิต - ทรัพยากรฟรีที่น่าตื่นตาตื่นใจที่เราสร้างขึ้นสู่ AI ในความร่วมมือกับ ActiveLoop และ Intel Disruptor Initiative เพื่อเรียนรู้เกี่ยวกับฐานข้อมูล Langchain & Vector ในการผลิต "ไม่ว่าคุณจะเป็นนักพัฒนาที่มีประสบการณ์ซึ่งเป็นผู้มาใหม่กับ AI Realm หรือผู้ที่ชื่นชอบการเรียนรู้ของเครื่องจักรที่มีประสบการณ์หลักสูตรนี้ได้รับการออกแบบมาสำหรับคุณเป้าหมายของเราคือการทำให้ AI เข้าถึงได้และใช้งานได้จริงเปลี่ยนวิธีการทำงานประจำวันและผลกระทบโดยรวมของงานของคุณ"
- การฝึกอบรมและการปรับแต่ง LLMs สำหรับการผลิต-ทรัพยากรฟรีที่น่าทึ่งที่เราสร้างขึ้นเพื่อเข้าสู่ AI โดยร่วมมือกับ ActiveLoop และ Intel Disruptor Initiative เพื่อเรียนรู้เกี่ยวกับการฝึกอบรมและการปรับแต่ง LLMs สำหรับการผลิต "หากคุณต้องการเรียนรู้วิธีการฝึกอบรมและปรับ LLMs ตั้งแต่เริ่มต้นและมีความรู้ปานกลางระดับกลางรวมถึงการเข้าถึงทรัพยากรการคำนวณระดับปานกลาง (สำหรับบางกรณีเพียงแค่ Google colab จะพอเพียง!) คุณควรจะทำตามหลักสูตรนี้ แบบจำลองภาษาขนาดใหญ่ในอุตสาหกรรมที่หลากหลายเพื่อให้ AI เข้าถึงได้ง่ายขึ้นและใช้งานได้จริง "
- การสอนและชุมชน ML ในโลกแห่งความเป็นจริง - จ่ายเงิน
การเตือนความจำ วิธีที่ดีที่สุดในการเรียนรู้คือการสร้างบางสิ่งบางอย่าง! ฉันมีแนวโน้มที่จะเรียนรู้ด้วยการทำ หลักสูตรเหล่านั้นยอดเยี่ยม แต่เป็นทางเลือก คุณสามารถทำได้ด้วยตัวเองและ บริษัท ส่วนใหญ่ให้ทรัพยากรสำหรับการทำงานกับ LLMS (OpenAI, Langchain, ActiveLoop, Cohere, W & B ... ) มีแบบฝึกหัดที่ยอดเยี่ยมเพื่อให้คุณเริ่มต้นและสร้างบางสิ่งบางอย่าง จากนั้นคุณสามารถขอให้ CHATGPT ช่วยคุณทำมันให้เสร็จ!
การแจ้งเตือน
การแจ้งเตือนเป็นทักษะใหม่ที่สำคัญในการเรียนรู้ทั้งการใช้แบบจำลองและการสร้างแอพที่เกี่ยวข้องกับ NLP
- การแจ้งเตือนคืออะไร? พูดคุยกับโมเดล AI ... - ฟรี
- CHATGPT วิศวกรรมพรอมต์สำหรับนักพัฒนา - จ่ายเงิน
- เรียนรู้การแจ้งเตือน - นี่เป็นหลักสูตร ฟรี ที่ยอดเยี่ยมที่ตั้งใจจะสอนการแจ้งเตือนและให้คำแนะนำสำหรับแบบจำลองเฉพาะ มันคือ ทั้งหมดที่คุณต้องการ สำหรับการแจ้งเตือน!
- เทคนิคในการปรับปรุงความน่าเชื่อถือ - OpenAI Cookbook เกี่ยวกับเทคนิคการแจ้งเตือน
ข้อมูลเพิ่มเติมเกี่ยวกับการดึงเงินเพิ่ม (RAG) และการปรับแต่งอย่างละเอียด
คนส่วนใหญ่สร้างแอพที่ใช้ RAG ในปัจจุบัน นี่คือแหล่งข้อมูลบางอย่างที่ฉันชอบที่จะเริ่มต้นและมีความเข้าใจที่ดี ...
- การสำรวจเทคนิคการเพิ่มประสิทธิภาพ LLM สูงสุด - วิดีโอที่น่าทึ่งโดย OpenAI ครอบคลุมเวลาที่จะใช้วิศวกรรมที่รวดเร็ว RAG หรือการปรับแต่ง นี่เป็นสิ่งที่ไม่ควรพลาดสำหรับทุกคนในสนาม!
- RAG เทียบกับการปรับแต่งอย่างละเอียดเทียบกับความทรงจำลึกกับการฝึกอบรม LLM ตั้งแต่เริ่มต้น: เมื่อใดที่จะทำอะไรกับ LLMS-Simlarly นี่เป็นวิดีโอสั้น ๆ ที่ครอบคลุมเมื่อคุณควรใช้ RAG, การปรับแต่งหรือวิศวกรรมที่รวดเร็วในแอปพลิเคชันของคุณ
- การสร้างคำถามและคำตอบโดยใช้ GPT และ EMBEDDINGS - ใช้การสอน YouTube โดย Jeremy Pinto
- วิธีการสร้าง AI ที่สามารถตอบคำถามเกี่ยวกับเว็บไซต์ของคุณ - การสอน OpenAI ฟรี
- จากผู้เริ่มต้นไปจนถึงผู้พัฒนา LLM ขั้นสูง - โดยไปสู่ AI "สร้างผลิตภัณฑ์ที่ปรับขนาดได้ครั้งแรกของคุณด้วย LLMS, การแจ้งเตือน, ผ้าขี้ริ้ว, การปรับจูนและตัวแทน! เชี่ยวชาญทักษะระดับสูงที่ บริษัท ต้องการและสร้าง LLM MVP ขั้นสูงของคุณเองด้วยแอปพลิเคชันโลกแห่งความเป็นจริง"
- วิธีการสร้างแอพพลิเคชั่น Chatgpt ที่ใช้ RAG: พบกับ AI Tutor ใหม่ของเรา-บทนำ YouTube เกี่ยวกับวิธีที่ฉันสร้างแชทบ็อตที่ใช้ RAG (และวิธีที่คุณสามารถทำได้เช่นกัน)
- การฝึกอบรมและการปรับแต่ง LLMs สำหรับการผลิต-เรียนรู้วิธีการฝึกอบรมและปรับ LLMs ตั้งแต่เริ่มต้น
- ฝึกอบรมและปรับใช้ที่ปรึกษาทางการเงินแบบเรียลไทม์-หลักสูตร LLMS โดย Paul Iusztin, Pau Labarta Bajo และ Alexandru Razvant
- การค้นพบการเพิ่มการผลิตเพื่อการผลิตกับ Langchain & Llamaidex - ไม่ว่าจะเป็นการวางแผนที่จะสร้างการแชทกับแอปพลิเคชันข้อมูลสำหรับองค์กรของคุณหรือเพียงแค่เรียนรู้วิธีการใช้ประโยชน์จาก AI กำเนิดในอุตสาหกรรมต่างๆหลักสูตรนี้เหมาะสำหรับคุณ หลักสูตรนี้กล่าวถึงปัญหาที่สำคัญเช่นการเพิ่มความแม่นยำในการดึงข้อมูลลดภาพหลอนในเอาต์พุต AI เพิ่มความสามารถในการอธิบายการจัดการกับข้อกังวลลิขสิทธิ์และนำเสนอข้อมูลข้อมูลที่ทันสมัยและทันสมัยมากขึ้น เราไปไกลกว่าแอพพลิเคชั่น RAG ขั้นพื้นฐานเตรียมทักษะให้คุณสร้างผลิตภัณฑ์ที่ซับซ้อนและเชื่อถือได้มากขึ้นด้วยเครื่องมือเช่น Langchain, LlamaineDex และหน่วยความจำลึก การเน้นการเรียนรู้ด้วยมือหลักสูตรนี้เป็นประตูสู่การเรียนรู้เทคนิคและแอพพลิเคชั่น RAG ขั้นสูงในสถานการณ์จริง
- การสร้าง LLM สำหรับการผลิต: เพิ่มความสามารถและความน่าเชื่อถือของ LLM ด้วยการกระตุ้นการปรับแต่งและผ้าขี้ริ้ว - โดยไปสู่ AI "ค้นพบสแต็คคีย์เทคโนโลยีสำหรับการปรับรูปแบบภาษาขนาดใหญ่ให้เข้ากับแอพพลิเคชั่นในโลกแห่งความเป็นจริงรวมถึงวิศวกรรมที่รวดเร็วการปรับแต่งและการสร้างการเพิ่มการเรียกคืน" (หรือรับ e-book ที่นี่คุณสามารถ dm ฉันเพื่อรับส่วนลดที่ดี!)
ทรัพยากรเพิ่มเติม
เข้าร่วมชุมชน!
เซิร์ฟเวอร์ Discord กับผู้ที่ชื่นชอบ AI หลายคน - เรียนรู้ร่วมกันถามคำถามค้นหาเพื่อนร่วมทีม Kaggle แบ่งปันโครงการของคุณและอื่น ๆ
เซิร์ฟเวอร์ Discord ที่คุณสามารถติดตามข่าวสารล่าสุดเกี่ยวกับ AI ข่าวล่าสุด-ติดตามข่าวสารล่าสุดเกี่ยวกับข่าว AI ล่าสุดถามคำถามแบ่งปันโครงการของคุณและอื่น ๆ อีกมากมาย
เรียนรู้การแจ้งเตือนชุมชน Discord - แชทกับเพื่อนวิศวกรที่รวดเร็ว
ติดตามชุมชน Reddit - ถามคำถามแบ่งปันโครงการของคุณติดตามข่าวสารและอื่น ๆ
- ประดิษฐ์ - ปัญญาประดิษฐ์
- Machinelearning - การเรียนรู้ของเครื่อง (subreddit ที่ใหญ่ที่สุดของสนาม)
- DeeplearningPapers - เอกสารการเรียนรู้ลึก
- ComputerVision - การแยกข้อมูลที่เป็นประโยชน์จากรูปภาพและวิดีโอ
- LearnMachinelearning - เรียนรู้การเรียนรู้ของเครื่องจักร
- ArtificialInteligence - AI
- latsestinml - การพัฒนาที่เปลี่ยนเกมในการเรียนรู้ของเครื่องจักรคุณไม่ควรพลาด
ติดตามข่าวในสนาม!
หางานเรียนรู้ของเครื่องจักร
- อ่านส่วนนี้จากบทความที่เต็มไปด้วยเคล็ดลับการสัมภาษณ์และ วิธีการเตรียมความพร้อมสำหรับพวกเขา
- เรียนรู้ว่ากระบวนการสัมภาษณ์ดำเนินไปอย่างไรและดีขึ้นในการเตรียมความพร้อมสำหรับพวกเขาโดยดูว่าคนอื่นทำได้อย่างไรเช่นชุดสัมภาษณ์ที่ฉันทำงานกับผู้เชี่ยวชาญจาก Nvidia, Zoox (บริษัท ขับรถด้วยตนเอง), D-ID (การเริ่มต้น AI Generative) ฯลฯ )
จริยธรรม AI
- จริยธรรมคืออะไรและทำไมพวกเขาถึงมีความสำคัญ? Machine Learning Edition - โดย Rachel Thomas ผู้ก่อตั้ง Fast.ai
- ai4people - กรอบจริยธรรมสำหรับสังคม AI ที่ดี: โอกาส, ความเสี่ยง, หลักการและคำแนะนำ - Floridi et al., 2018, ai4people ai สำหรับสังคมที่ดี
- แนวทางจริยธรรมสำหรับ AI ที่น่าเชื่อถือ - คณะกรรมการผู้เชี่ยวชาญระดับสูงของคณะกรรมาธิการยุโรประดับสูง 7 คะแนนสำหรับ AI ที่น่าเชื่อถือ
- การแนะนำเกี่ยวกับจริยธรรมในหุ่นยนต์และ AI - หนังสืออิเล็กทรอนิกส์ฟรีโดย Christoph Bartneck, Christoph Lütge, Alan Wagner และ Sean Welsh
เรียนรู้เพิ่มเติมและทำมากขึ้น ... ด้วย LLMS
CHATGPT, Bing, Claude ... ช่างเหลือเชื่อ แน่นอนพวกเขามีข้อ จำกัด แต่คุณสามารถใช้ประโยชน์จากสิ่งเหล่านั้นเพื่อเรียนรู้สิ่งที่คุณต้องการ ฉันใช้มันสำหรับการเข้ารหัสหรือถามคำถามมากมายโดยทั่วไป คุณต้องตรวจสอบอีกครั้งเมื่อคุณถามคำถามสำคัญ ถึงกระนั้นก็เป็น เครื่องมือ ที่ทรงพลัง ใช่มันเป็นเครื่องมือไม่ใช่การทดแทนมนุษย์ ใช้เป็นผู้ช่วย โง่ ที่รู้ทุกอย่างสวยมาก
นี่คือตัวอย่างที่ชัดเจนของวิธีที่ฉันใช้สำหรับโครงการเพื่อทำความเข้าใจฟังก์ชั่นจากโครงการที่ฉันไม่คุ้นเคย นี่คือ Python แต่รุ่นเหล่านั้นมีประสิทธิภาพมากสำหรับการเข้ารหัสโดยทั่วไปเข้าใจแพลตฟอร์มใหม่ (เช่น AWS, GCP, ทำงานกับเครื่องเสมือน, เซิร์ฟเวอร์, การเชื่อมต่อ SSH ฯลฯ .... สิ่งที่คุณไม่คุ้นเคยกับที่มีประโยชน์ในพื้นที่ LLM)
ป.ล. ฉันไม่ได้พูดถึง Bing และ Claude เพื่อความสนุกสนาน อย่าพึ่งพา บริษัท เดียวอย่าง Openai มากเกินไป มี บริษัท อื่น (และจะเป็น) ในการต่อสู้เพื่อ LLM ที่ดีที่สุด ฉันต้องการสร้างตัวอย่างสำหรับคู่มือเมื่อเช้านี้เมื่อ ...
แท็กฉันบน Twitter @whats_ai หรือ LinkedIn @louis Bouchard ถ้าคุณแชร์รายการ!
- หากคุณต้องการสนับสนุนงานของฉัน คุณสามารถตรวจสอบเพื่อสนับสนุนที่เก็บนี้หรือสนับสนุนฉันใน Patreon
คู่มือนี้ยังคงได้รับการอัปเดตเป็นประจำ
