generative_ai_udacity

Udacity 生成式人工智能纳米学位：个人笔记

这些是我在学习 Udacity 生成人工智能纳米学位时所做的个人笔记。

纳米学位要求具备数据科学Python库和数据库的基本数据分析技能，并有4个基于这些技能的模块；每个模块在此存储库中都有其相应的文件夹及其指南 Markdown 文件：

1. 生成式人工智能基础知识： 01_Fundamentals_GenAI 。
   • 基础模型
   • 微调
2. 大型语言模型 (LLM) 和文本生成： 02_LLMs 。
   • 变压器和法学硕士
   • 检索增强生成 (RAG) 聊天机器人
3. 计算机视觉和生成人工智能： 03_ComputerVision 。
   • 生成对抗网络（GAN）
   • 视觉变形金刚
   • 扩散模型
4. 构建生成式人工智能解决方案： 04_BuildingSolutions 。
   • 矢量数据库
   • 浪链及代理商

此外，还需要提交并通过一些项目才能获得认证：

• 项目 1：对基础模型应用轻量级微调 - 待定。
• 项目 2：构建您自己的自定义聊天机器人 - 待定。
• 项目 3：AI 照片编辑与修复 - 待定。
• 项目 4：个性化房地产经纪人 - 待定。

最后，还可以查看我的一些相关工具的个人指南：

• 我对 O'Reilly 的书《生成深度学习》（第二版，作者：David Foster）的个人笔记
• 我对 O'Reilly 的书《Natural Language Processing with Transformers》的个人笔记，作者：Lewis Tunstall、Leandro von Werra 和 Thomas Wolf（O'Reilly）
• HuggingFace 指南： mxagar/tool_guides/hugging_face
• LangChain 指南： mxagar/tool_guides/langchain
• 法学硕士工具： mxagar/tool_guides/llms
• NLP 指南： mxagar/nlp_guide
• CV 和 NLP 的深度学习方法： mxagar/computer_vision_udacity/CVND_Advanced_CV_and_DL.md
• NLP 的深度学习方法： mxagar/deep_learning_udacity/DLND_RNNs.md

设置

具有常用数据科学包的常规 Python 环境就足够了（即 scikit-learn、pandas、matplotlib 等）；指南中介绍了任何特殊/附加软件包及其安装命令。使用我当前的包设置 conda 环境的方法如下：

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

有趣的链接

• 微软/初学者生成人工智能
• ...

制作人员

该存储库中的许多内容都是根据 Udacity 生成人工智能纳米学位创建的。

米克尔·萨加迪亚，2024。
没有保证。