Ultimate List Of Generative AI Resources

Αναδημοσίευση από τον Πλάτωνα

Ακολουθούν: 0

Εισαγωγή

Η άνοδος των Μεγάλων Γλωσσικών Μοντέλων (LLM) όπως το ChatGPT υπήρξε επαναστατική, πυροδοτώντας μια νέα εποχή στον τρόπο με τον οποίο αλληλεπιδρούμε με την τεχνολογία. Αυτά τα εξελιγμένα μοντέλα, με παράδειγμα το ChatGPT, έχουν επαναπροσδιορίσει τον τρόπο με τον οποίο αλληλεπιδρούμε με τις ψηφιακές πλατφόρμες. Σκεφτείτε το – πόσο συχνά έχετε χρησιμοποιήσει εργαλεία όπως το ChatGPT για να γράψετε αβίαστα ένα email ή χρησιμοποιήσατε γενετική τεχνητή νοημοσύνη για να ζωντανέψετε την πιο τρελή φαντασία σας μέσω εκπληκτικών εικόνων; Αυτή η αδιάκοπη εξέλιξη της τεχνολογίας Generative AI δεν είναι απλώς μια επιστημονική πρόοδος. είναι μια πύλη σε ατελείωτες δημιουργικές δυνατότητες, αναδιαμορφώνοντας το ψηφιακό μας τοπίο με εκπληκτικό ρυθμό. Ωστόσο, υπάρχει ένα αξιοσημείωτο κενό σε αυτόν τον ανεμοστρόβιλο ταχείας προόδου. Ενώ θαυμάζουμε τα αποτελέσματα του Generative AI, η βαθύτερη κατανόηση των θεμελιωδών και πρακτικών εφαρμογών του παραμένει άπιαστη για πολλούς. Εδώ μπαίνει αυτό το ιστολόγιο. Παρουσίαση μιας λύσης — Generative AI Resources.

Έχω συντάξει σχολαστικά μια ταξινομημένη λίστα κορυφαίων μαθημάτων Generative AI για να σας δώσω αυτή τη γνώση αιχμής. Αυτό δεν είναι απλώς μια λίστα. είναι ο οδικός σας χάρτης για να ξετυλίξετε τη μαγεία πίσω από αυτά τα καταπληκτικά εργαλεία. Είτε είστε ένας περίεργος μαθητής, ένας επίδοξος λάτρης της τεχνητής νοημοσύνης ή ένας επαγγελματίας που θέλει να βελτιώσει το σύνολο των δεξιοτήτων σας, αυτά τα μαθήματα καλύπτουν τη δίψα σας για γνώση.

Πίνακας περιεχομένων

Κατάλογος των Generative AI Resources For You

Βήμα 1: Πώς ξεκινάτε με το Generative AI;

Εάν είστε αρχάριοι στο Generative AI, ξεκινήστε με αυτό το μάθημα Δημιουργική τεχνητή νοημοσύνη για όλους. Σε αυτό το μάθημα Generative AI, θα εξερευνήσετε τη λειτουργία του Generative AI, τις περιπτώσεις κοινής χρήσης και τις δυνατότητες. Θα μάθετε επίσης πώς να δημιουργείτε αποτελεσματικές προτροπές και να κατανοείτε τις πιθανές ευκαιρίες και τους κινδύνους που εγκυμονεί αυτή η τεχνολογία για τα άτομα, τις επιχειρήσεις και την κοινωνία.

Τώρα, το επόμενο πράγμα που πρέπει να μάθετε είναι πώς να χρησιμοποιείτε τα δημοφιλή εργαλεία Generative AI όπως το ChatGPT, το Midjourney και άλλα. Σε αυτό το μάθημα για Δημιουργικά εργαλεία AI, θα μάθετε ακριβώς αυτό. Θα κατανοήσετε τα βασικά της γενετικής τεχνητής νοημοσύνης, θα μάθετε για τα πιο δημοφιλή εργαλεία δημιουργίας κειμένου και δημιουργίας εικόνων, ακόμη και πώς να τα χρησιμοποιήσετε για διάφορες εφαρμογές όπως επεξεργασία εικόνας, δημιουργία email, δημιουργία οπτικού περιεχομένου και πολλά άλλα.

Πρόσθετοι πόροι τεχνητής νοημοσύνης

«The state of GPT» από την Karpathy: Παρακολουθήστε εδώ
Μια ήπια εισαγωγή στο Generative AI για αρχάριους: Διαβάστε εδώ

Βήμα 2: Πού να μάθετε για το Prompt Engineering;

Μόλις μάθετε για το Generative AI, το επόμενο βήμα είναι να παίξετε με την τεχνολογία και να γοητευτείτε από τις δυνατότητές της. Ο καλύτερος τρόπος για να το κάνετε αυτό είναι να ασχοληθείτε με το ChatGPT. Γνωρίζατε όμως ότι ακόμα και για να αξιοποιήσετε στο έπακρο το ChatGPT, πρέπει να μάθετε για το Prompt Engineering; Τώρα ρωτάς, τι είναι αυτό; Λοιπόν, είναι ο τρόπος με τον οποίο αλληλεπιδρούμε με ένα LLM και παίρνουμε το επιθυμητό αποτέλεσμα.

Για να το μάθετε αυτό, μπορείτε να ξεκινήσετε με αυτό πορεία από Codecademy on Prompt Engineering. Αυτό θα σας κάνει να ξεκινήσετε με τα βασικά. Αν θέλετε να μεταβείτε σε κάτι λεπτομερές, προτείνω ανεπιφύλακτα αυτόν τον οδηγό Άμεση Μηχανική, που δεν είναι λιγότερο από ένα μάθημα. Παρόλο που αυτός είναι ένας εκτενής οδηγός, είναι καλά δομημένος και καλύπτει εξαντλητικά την άμεση μηχανική, συμπεριλαμβανομένων θεμάτων όπως η μάθηση με μηδενική λήψη, η μάθηση με λίγες λήψεις και η μάθηση με αλυσίδα της σκέψης. Σας λέει επίσης τις γενικές συμβουλές για το σχεδιασμό καλών προτροπών που επιλύουν αποτελεσματικά κάθε περίπτωση χρήσης.

Πρόσθετοι πόροι τεχνητής νοημοσύνης

Βήμα 3: Πώς μαθαίνετε για τα LLM;

Τώρα που έχετε αλληλεπιδράσει με το ChatGPT χρησιμοποιώντας την τυπική διεπαφή του OpenAI, είναι καιρός να προχωρήσετε στο σχεδιασμό των δικών σας συστημάτων χρησιμοποιώντας το ChatGPT API. Για αυτό, μπορείτε να εξερευνήσετε σε αυτό το μάθημα Δημιουργία συστημάτων με το ChatGPT API από το DeepLearning.ai. Εδώ, θα μάθετε να χωρίζετε σύνθετες εργασίες σε μικρότερες εργασίες και να τις επιλύετε χρησιμοποιώντας προτροπές. Αυτό θα σας δείξει πώς να χρησιμοποιήσετε ένα ισχυρό εργαλείο όπως το ChatGPT για τις συγκεκριμένες εργασίες σας.

Μόλις γίνει αυτό, μπορείτε να δημιουργήσετε την πρώτη σας εφαρμογή που βασίζεται σε LLM χρησιμοποιώντας το πλαίσιο LangChain σε αυτό το μάθημα για LangChain για Ανάπτυξη Εφαρμογών LLM. Το LangChain είναι ένα πλαίσιο ανοιχτού κώδικα για την ανάπτυξη εφαρμογών που υποστηρίζονται από LLM που δεν περιορίζονται στο ChatGPT! Επιτρέπει τη δημιουργία εφαρμογών με επίγνωση του περιβάλλοντος συνδέοντας LLM με δεδομένα και παρέχοντας εργαλεία για προσαρμογή, ακρίβεια και συνάφεια. Σε αυτό το μάθημα, θα μάθετε να δημιουργείτε μια εφαρμογή LLM χρησιμοποιώντας το LangChain, η οποία θα σας εξοικειώσει με τη δημιουργία προσωπικών βοηθών και chatbots.

Τι γίνεται αν τα τυπικά LLM έχουν στατικές γνώσεις και θέλετε να τα αυξήσετε ώστε να ταιριάζουν στη συγκεκριμένη περίπτωση χρήσης σας; Τότε είναι που θα χρειαστεί να χρησιμοποιήσετε την τεχνική RAG για να αυξήσετε τα LLM για να δημιουργήσετε την αίτησή σας. Λοιπόν, τι είναι το RAG; Λοιπόν, το RAG σημαίνει Retrieval Augmented Generation. Είναι μια στρατηγική όπου παρέχετε πρόσθετη γνώση στο LLM μέσω ενός συστήματος ανάκτησης. Αυτό επιτρέπει στο LLM να απαντά σε πιο συγκεκριμένα ερωτήματα, παρόλο που δεν έχει εκπαιδευτεί σε αυτό. Μπορείτε να μάθετε για τα RAG και περισσότερα σε αυτό Δημιουργία και αξιολόγηση προηγμένων εφαρμογών RAG Φυσικά.

Τώρα που έχετε δημιουργήσει ένα σύστημα RAG, θα παρατηρήσετε ότι υπάρχουν κάποιοι περιορισμοί σε αυτό. Πρώτον, θα παρατηρήσετε ότι δεν θα μπορείτε πάντα να χρησιμοποιείτε ολόκληρα τα ανακτημένα δεδομένα σε μια προτροπή, γεγονός που περιορίζει την απόκριση του LLM. Ένα άλλο θα ήταν η παραισθησιακή επίδραση του LLM, η οποία είναι δύσκολο να εξαλειφθεί. Επομένως, δεν θα ήταν καλύτερο να βελτιστοποιήσετε πλήρως το μοντέλο σας και να αποκτήσετε ένα πιο προσαρμοσμένο LLM; Αυτό θα καλύψετε σε αυτό το μάθημα, όπου θα μάθετε για τη λεπτομερή ρύθμιση, πότε να την εφαρμόζετε, πώς να προετοιμάζετε τα δεδομένα για τη λεπτομέρεια και πώς να εκπαιδεύετε και να αξιολογείτε το μοντέλο σας.

Πρόσθετοι πόροι γενετικής τεχνητής νοημοσύνης

“Intro to Large Language Models” από την Karpathy: Παρακολουθήστε εδώ

Το βίντεο παρέχει μια ωριαία εισαγωγική επισκόπηση των LLM που είναι κατάλληλα για ένα ευρύ κοινό, τα οποία χρησιμεύουν ως το θεμελιώδες τεχνικό στοιχείο σε συστήματα όπως το ChatGPT, το Claude και το Bard. Θα κατανοήσετε τη φύση, τις μελλοντικές κατευθύνσεις και τις συγκρίσεις μεταξύ αυτών των μοντέλων.

"A Hacker's Guide to Language Models" από τον Jeremy Howard: Παρακολουθήστε εδώ

Σε αυτό το διαφωτιστικό βίντεο, ο Jeremy Howard, συνιδρυτής του fast.ai, παρέχει μια ολοκληρωμένη εξερεύνηση των γλωσσικών μοντέλων. Το βίντεο περιλαμβάνει κρίσιμες αξιολογήσεις του GPT-4, πρακτικές εφαρμογές στη σύνταξη κώδικα και την ανάλυση δεδομένων και πρακτικές συμβουλές για τη χρήση του OpenAI API.

“Catching on the weird world of LLMs” του Simon Willison: Διαβάστε εδώ

Το ιστολόγιο καλύπτει τα βασικά στοιχεία των γλωσσικών μοντέλων, διερευνώντας τον ορισμό, τη λειτουργία τους και ένα συνοπτικό χρονοδιάγραμμα ανάπτυξης LLM. Προσδιορίζει κορυφαία μοντέλα LLM και προσφέρει πρακτικές συμβουλές, συμπεριλαμβανομένης της χρήσης τους για κωδικοποίηση. Το ιστολόγιο θα σας δώσει επίσης μια σύντομη επισκόπηση του τρόπου με τον οποίο εκπαιδεύονται τα LLM.

Τι είναι τα μοντέλα μεγάλων γλωσσών (LLM) από το Analytics Vidhya; Διαβάστε εδώ

Το ιστολόγιο εξερευνά τα μεγάλα γλωσσικά μοντέλα (LLM), εμβαθύνοντας στην κατασκευή και τη λειτουργία τους. Καλύπτει τη γενική αρχιτεκτονική τους, παρέχει παραδείγματα, συζητά LLM ανοιχτού κώδικα όπως το Bloom, εξερευνά τα API Hugging Face και παρουσιάζει πρακτικές εφαρμογές μέσω παραδειγμάτων.

Βήμα 4: Τι γίνεται με το RLHF;

Πρέπει να έχετε ακούσει για το RLHF. Το RLHF σημαίνει Ενισχυτική μάθηση από την ανθρώπινη ανατροφοδότηση. Είναι μια τεχνική μηχανικής μάθησης που εκπαιδεύει ένα «μοντέλο ανταμοιβής» απευθείας από την ανθρώπινη ανατροφοδότηση και χρησιμοποιεί το μοντέλο ως ανταμοιβή για τη βελτιστοποίηση της απόδοσης ενός παράγοντα τεχνητής νοημοσύνης μέσω ενίσχυσης. Τώρα, μάθετε για το RLHF σε αυτό το μάθημα από DeepLearning.ai, όπου θα αποκτήσετε γνώσεις για το RLHF, θα βελτιστοποιήσετε ένα LLM με το RLHF και, στη συνέχεια, θα μάθετε να το αξιολογείτε.

Προσθήκη Generative AI Resources

Βήμα 5: Πού μαθαίνετε για τα μοντέλα διάχυσης;

Τώρα, η γενετική τεχνητή νοημοσύνη δεν αφορά μόνο τα LLM. Εάν θέλετε να μάθετε για τη δημιουργία εικόνων με χρήση γενετικής τεχνητής νοημοσύνης, τότε πρέπει να μάθετε για τα μοντέλα διάχυσης και τον τρόπο λειτουργίας τους. Για αυτό, υπάρχει μια εκπληκτική πορεία από το Hugging Face. Το υλικό για το μάθημα, συμπεριλαμβανομένων των σημειωματάριων, του αναγνωστικού υλικού και οτιδήποτε άλλο, βρίσκεται σε αυτό Αποθετήριο GitHub. Εδώ, μπορείτε να βρείτε περιεχόμενο για βασικά μοντέλα διάχυσης, σταθερή διάχυση, τελειοποίηση ενός μοντέλου διάχυσης και πολλά άλλα.

Πρόσθετοι πόροι τεχνητής νοημοσύνης

Μπόνους: Ολοκληρωμένο πρόγραμμα Generative AI

Ξέρω ότι πρόκειται για πολλά μαθήματα που πρέπει να αναλάβω και δεν είναι εντελώς εξαντλητικά. Αυτός είναι ο λόγος που προτείνω αυτό το ολοκληρωμένο πρόγραμμα για το Generative AI που ονομάζεται το Πρόγραμμα Generative AI Pinnacle. Αυτό το πρόγραμμα καλύπτει τη γενετική τεχνητή νοημοσύνη από την αρχή μέχρι το τέλος. Καλύπτει θέματα όπως το Prompt Engineering, το σύστημα RAG που χρησιμοποιεί το LlamaIndex και τη βελτίωση των LLMs, συμπεριλαμβανομένων των LoRA, QLoRA, PEFT και Stable Diffusion.

Συμπέρασμα

Ελπίζω να σας βοήθησε αυτή η λίστα με πόρους Generative AI και να έχετε εγγραφεί τουλάχιστον σε ένα από τα παραπάνω μαθήματα! Ωστόσο, υπάρχουν πολλά άλλα μαθήματα που έχω αφήσει έξω εδώ. Εάν βρείτε ένα σχετικό μάθημα για το Generative AI, μοιραστείτε το στα παρακάτω σχόλια. Θα ήθελα να το εξερευνήσω μόνος μου!

Σχετικά:

Είμαι λάτρης των δεδομένων και μου αρέσει να εξάγω και να κατανοώ τα κρυμμένα μοτίβα στα δεδομένα. Θέλω να μάθω και να αναπτυχθώ στον τομέα της Μηχανικής Μάθησης και της Επιστήμης Δεδομένων.