Generative AI 1

生成式人工智慧奈米學位項目

簡介與概述

在當今的技術環境中，熟練文字和圖像生成、深度學習基礎知識、NLP 和電腦視覺等生成式 AI 技能非常有價值。這些技能使個人能夠跨自然語言處理、影像合成和個人化推薦系統等各個領域開發創新解決方案。隨著從醫療保健到金融等行業對人工智慧驅動的應用程式的需求不斷增長，掌握生成式人工智慧使專業人員能夠創建智慧系統，從而提高效率、創造力和決策流程。此外，了解人工智慧的道德影響可確保負責任地開發和部署這些技術，從而促進該領域的信任和永續性。

該培訓計劃涵蓋生成人工智慧的基本原則和高級實踐。它包括有關使用大型語言模型 (LLM) 生成文字和圖像、深度學習基礎知識、NLP、電腦視覺和道德考慮的主題。透過實際項目，學習者獲得建立自訂聊天機器人、人工智慧照片編輯工具和個人化房地產經紀人的技能。

程式結構

生成式人工智慧基礎：

• 生成式人工智慧基礎知識簡介：涵蓋生成式人工智慧、流行演算法以及文字和圖像生成架構的基礎知識。

• 深度學習基礎：生成式 AI 從業者的深度學習基礎知識，包括 PyTorch 和 Hugging Face 庫的介紹。

• 基礎模型：探索人工智慧中的基礎模型、它們在各種任務中的應用以及倫理影響。

• 適應基礎模型：適應基礎模型的技術，包括即時調整和參數高效微調（PEFT）。

  → 項目：使用 PEFT 對基礎模型進行輕量級微調

大型語言模型 (LLM) 和文本生成：

• 法學碩士簡介：法學碩士的類型，了解其限制和能力，以及快速工程的策略。

• NLP 基礎：自然語言處理、文字編碼和生成的基礎知識。

• Transformers 與注意力機制：探索 Transformer 架構、注意力機制和現代 Transformer 模型。

• 檢索增強生成：建立自訂問答機器人並利用 OpenAI 的語言處理功能。

• 為法學碩士建立自訂資料集：建立相關資料集以微調大型語言模型。

  → 專案：建立自訂聊天機器人

電腦視覺和生成人工智慧：

• 影像生成簡介：定義影像生成及其在人工智慧和機器學習中的相關性。

• 電腦視覺基礎：了解電腦如何處理和分析影像資料。

• 影像生成和 GAN：用於影像生成的生成對抗網路 (GAN) 的探索。

• 基於 Transformer 的電腦視覺模型：了解視覺 Transformer 及其應用。

• 擴散模型：擴散演算法的基礎知識以及使用 Huggingface 擴散器進行影像生成的實踐。

  → 項目：AI 照片編輯與修復

建構生成式人工智慧解決方案：

• 建立生成應用程式簡介：使用大型語言模型設計和實現生成人工智慧。

• 使用向量資料庫建立產生人工智慧解決方案：向量資料庫的核心概念及其在人工智慧中的應用。

• 使用 LangChain 開發生成式人工智慧解決方案：探索使用大型語言模型的 LangChain 框架。

  → 項目：個人化房地產經紀人

技能

• 生成式 AI 基礎：生成式 AI 流暢度 • 影像分類 • 遷移學習 • 訓練神經網路 • 擁抱臉部 • 參數高效微調 • 快速工程 • 深度學習 • PyTorch • 基礎模型 • 道德 AI

• 大型語言模型 (LLM) 與文字產生：共同AI API • Python 中的搜尋實作• NLP 轉換器• Selenium • 大型語言模型• 資料清理• 自然語言處理• OpenAI API • Transformer 神經網路• 快速工程• 標記化•餘弦相似度• API 請求 • 循環神經網路 • 注意力機制 • 文字產生 • 資料品質評估 • 字詞嵌入 • 資料抓取

• 電腦視覺與生成人工智慧：圖像預處理、遷移學習、詞嵌入、道德人工智慧、擴散模型、YOLO演算法、模型評估、文字生成、電腦視覺流暢性、圖像分類、大型語言模型、熊貓、圖像生成、訓練神經網路網路 • 卷積神經網路 • 參數高效微調 • 影像分割 • 電腦視覺變壓器 • 標記化 • 資料品質評估 • 生成對抗網絡

• 建構生成式人工智慧解決方案：向量•檢索增強生成•OpenAI API•LangChain