Generative AI 1
1.0.0
在当今的技术环境中，熟练掌握文本和图像生成、深度学习基础知识、NLP 和计算机视觉等生成式 AI 技能非常有价值。这些技能使个人能够跨自然语言处理、图像合成和个性化推荐系统等各个领域开发创新解决方案。随着从医疗保健到金融等行业对人工智能驱动的应用程序的需求不断增长，掌握生成式人工智能使专业人员能够创建智能系统，从而提高效率、创造力和决策流程。此外，了解人工智能的道德影响可确保负责任地开发和部署这些技术，从而促进该领域的信任和可持续性。
该培训计划涵盖生成人工智能的基本原则和高级实践。它包括有关使用大型语言模型 (LLM) 生成文本和图像、深度学习基础知识、NLP、计算机视觉和道德考虑的主题。通过实际项目，学习者获得构建自定义聊天机器人、人工智能照片编辑工具和个性化房地产经纪人的技能。
生成式人工智能基础知识：
生成式人工智能基础知识简介：涵盖生成式人工智能、流行算法以及文本和图像生成架构的基础知识。
深度学习基础知识：生成式 AI 从业者的深度学习基础知识，包括 PyTorch 和 Hugging Face 库的介绍。
基础模型：探索人工智能中的基础模型、它们在各种任务中的应用以及伦理影响。
适应基础模型：适应基础模型的技术，包括即时调整和参数高效微调（PEFT）。
→ 项目：使用 PEFT 对基础模型进行轻量级微调
大型语言模型 (LLM) 和文本生成：
法学硕士简介：法学硕士的类型，了解其局限性和能力，以及快速工程的策略。
NLP 基础知识：自然语言处理、文本编码和生成的基础知识。
Transformers 和注意力机制：探索 Transformer 架构、注意力机制和现代 Transformer 模型。
检索增强生成：创建自定义问答机器人并利用 OpenAI 的语言处理功能。
为法学硕士构建自定义数据集：构建相关数据集以微调大型语言模型。
→ 项目：构建自定义聊天机器人
计算机视觉和生成人工智能：
图像生成简介：定义图像生成及其在人工智能和机器学习中的相关性。
计算机视觉基础知识：了解计算机如何处理和分析图像数据。
图像生成和 GAN：用于图像生成的生成对抗网络 (GAN) 的探索。
基于 Transformer 的计算机视觉模型：了解视觉 Transformer 及其应用。
扩散模型：扩散算法的基础知识以及使用 Huggingface 扩散器进行图像生成的实践。
→ 项目：AI 照片编辑与修复
构建生成式人工智能解决方案：
构建生成应用程序简介：使用大型语言模型设计和实现生成人工智能。
使用矢量数据库构建生成人工智能解决方案：矢量数据库的核心概念及其在人工智能中的应用。
使用 LangChain 开发生成式人工智能解决方案：探索使用大型语言模型的 LangChain 框架。
→ 项目：个性化房地产经纪人
生成式 AI 基础知识：生成式 AI 流畅性 • 图像分类 • 迁移学习 • 训练神经网络 • 拥抱脸部 • 参数高效微调 • 快速工程 • 深度学习 • PyTorch • 基础模型 • 道德 AI
大型语言模型 (LLM) 和文本生成：共同 AI API • Python 中的搜索实现 • NLP 转换器 • Selenium • 大型语言模型 • 数据清理 • 自然语言处理 • OpenAI API • Transformer 神经网络 • 快速工程 • 标记化 • 余弦相似度 • API 请求 • 循环神经网络 • 注意力机制 • 文本生成 • 数据质量评估 • 词嵌入 • 数据抓取
计算机视觉和生成人工智能：图像预处理、迁移学习、词嵌入、道德人工智能、扩散模型、YOLO算法、模型评估、文本生成、计算机视觉流畅性、图像分类、大型语言模型、熊猫、图像生成、训练神经网络网络 • 卷积神经网络 • 参数高效微调 • 图像分割 • 计算机视觉变压器 • 标记化 • 数据质量评估 • 生成对抗网络
构建生成式人工智能解决方案：向量•检索增强生成•OpenAI API•LangChain
