Lopullinen luettelo generatiivisista tekoälyresursseista

esittely

ChatGPT:n kaltaisten suurten kielimallien (LLM) nousu on ollut vallankumouksellinen ja käynnistänyt uuden aikakauden vuorovaikutuksessa teknologian kanssa. Nämä kehittyneet mallit, joista esimerkkinä on ChatGPT, ovat määritelleet uudelleen tavan, jolla käytämme digitaalisia alustoja. Ajattele sitä – kuinka usein olet käyttänyt ChatGPT:n kaltaisia ​​työkaluja sähköpostin vaivattomasti kirjoittamiseen tai käyttänyt generatiivista tekoälyä herättämään villeimmät mielikuvituksesi henkiin upeiden kuvien avulla? Tämä Generative AI -teknologian säälimätön kehitys ei ole vain tieteellinen edistysaskel; se on portti loputtomiin luoviin mahdollisuuksiin, jotka muokkaavat digitaalista maisemaamme henkeäsalpaavaan tahtiin. Tässä nopean kehityksen pyörteessä on kuitenkin huomattava aukko. Samalla kun ihmettelemme Generative AI:n tuotoksia, syvempää ymmärrystä sen perusteista ja käytännön sovelluksista on monille vaikea saada. Tässä blogi astuu esiin. Esittelyssä ratkaisu – Generatiiviset tekoälyresurssit.

Olen koonnut huolella järjestetyn luettelon parhaista generatiivisista tekoälykursseista antaakseni sinulle tämän huippuosaamisen. Tämä ei ole vain luettelo; se on etenemissuunnitelmasi näiden upeiden työkalujen takana olevan taikuuden purkamiseen. Olitpa utelias oppija, aloitteleva tekoäly-harrastaja tai ammattilainen, joka haluaa parantaa taitojasi, nämä kurssit vastaavat tiedonjanoasi.

Luettelo generatiivisista tekoälyresursseista sinulle

Vaihe 1: Kuinka pääset alkuun Generatiivinen tekoäly?

Jos olet aloittelija generatiivisessa tekoälyssä, aloita tällä kurssilla Generatiivinen tekoäly kaikille. Tällä Generative AI -kurssilla tutustut generatiivisen tekoälyn toimintaan, yleisiin käyttötapauksiin ja ominaisuuksiin. Opit myös rakentamaan tehokkaita kehotteita ja ymmärtämään mahdollisia mahdollisuuksia ja riskejä, joita tämä tekniikka tuo yksilöille, yrityksille ja yhteiskunnalle.

Seuraavaksi opimme käyttämään suosittuja Generative AI -työkaluja, kuten ChatGPT, Midjourney ja paljon muuta. Tällä kurssilla Luovat tekoälytyökalut, opit juuri sen. Ymmärrät generatiivisen tekoälyn perusteet, opit suosituimmista työkaluista tekstin luomiseen ja kuvien luomiseen ja jopa käyttämään niitä erilaisissa sovelluksissa, kuten kuvankäsittelyssä, sähköpostien tekemisessä, visuaalisen sisällön luomisessa ja paljon muuta.

Lisää generatiivisia tekoälyresursseja

• Karpathyn "GPT:n tila": Katso täältä
• Hellävarainen johdatus generatiiviseen tekoälyyn aloittelijoille: Lue tästä

Vaihe 2: Mistä oppia Prompt Engineeringistä?

Kun olet oppinut generatiivisesta tekoälystä, seuraava askel on leikkiä tekniikalla ja ihastua sen mahdollisuuksiin. Paras tapa tehdä se on seurustella ChatGPT:n kanssa. Mutta tiesitkö, että jopa saadaksesi parhaan hyödyn ChatGPT:stä sinun on opittava Prompt Engineeringistä? Nyt kysyt, mikä se on? No, se on tapa, jolla olemme vuorovaikutuksessa LLM:n kanssa ja saamme halutun tuloksen.

Jos haluat oppia sen, voit aloittaa tästä kurssin mukaan Codecademy Prompt Engineeringissä. Näin pääset alkuun perusasioista. Jos haluat hypätä johonkin yksityiskohtaiseen, suosittelen tätä opasta Nopea suunnittelu, joka ei ole vähemmän kuin kurssi. Vaikka tämä on laaja opas, se on hyvin jäsennelty ja kattaa nopean suunnittelun tyhjentävästi, mukaan lukien aiheet, kuten nolla-shot-oppiminen, muutaman kerran oppiminen ja ajatusketjun oppiminen. Se kertoo myös yleisiä vinkkejä hyvien kehotteiden suunnitteluun, jotka ratkaisevat tehokkaasti kaikki käyttötapaukset.

Lisää generatiivisia tekoälyresursseja

Vaihe 3: Kuinka opit LLM:istä?

Nyt kun olet ollut vuorovaikutuksessa ChatGPT:n kanssa OpenAI:n vakiorajapinnalla, on aika siirtyä omien järjestelmien suunnitteluun ChatGPT API:n avulla. Tätä varten voit tutkia tällä kurssilla Rakennusjärjestelmät ChatGPT-sovellusliittymällä tekijä DeepLearning.ai. Täällä opit jakamaan monimutkaisia ​​tehtäviä pienempiin tehtäviin ja ratkaisemaan ne kehotteiden avulla. Tämä näyttää sinulle, kuinka voit käyttää tehokasta työkalua, kuten ChatGPT:tä, erityistehtäviisi.

Kun tämä on tehty, voit rakentaa ensimmäisen LLM-pohjaisen sovelluksesi käyttämällä LangChain-kehystä tällä kurssilla LangChain LLM-sovelluskehitykseen. LangChain on avoimen lähdekoodin kehys sellaisten LLM-sovellusten kehittämiseen, jotka eivät rajoitu ChatGPT:hen! Se mahdollistaa kontekstitietoisten sovellusten luomisen yhdistämällä LLM:t tietoihin ja tarjoamalla työkaluja mukauttamiseen, tarkkuuteen ja osuvuuteen. Tällä kurssilla opit rakentamaan LLM-sovelluksen LangChainilla, joka tottuu rakentamaan henkilökohtaisia ​​avustajia ja chatbotteja.

Entä jos tavallisilla LLM-yrityksillä on staattista tietoa ja haluat täydentää niitä käyttötarkoitukseesi sopivaksi? Silloin sinun on käytettävä RAG-tekniikkaa täydentämään LLM-yrityksiä sovelluksesi rakentamiseksi. Joten mikä on RAG? No, RAG tarkoittaa Retrieval Augmented Generation. Se on strategia, jossa tarjoat lisätietoa LLM:lle hakujärjestelmän kautta. Näin LLM voi vastata tarkempiin kyselyihin, vaikka sitä ei ole koulutettu siihen. Voit oppia RAG:ista ja muista tästä Kehittyneiden RAG-sovellusten rakentaminen ja arviointi kurssi.

Nyt kun olet rakentanut RAG-järjestelmän, huomaat, että sillä on joitain rajoituksia. Ensinnäkin huomaat, että et aina pysty käyttämään kaikkia haettuja tietoja kehotteessa, mikä rajoittaa LLM:n vastausta. Toinen olisi LLM:n hallusinoiva vaikutus, jota on vaikea poistaa. Eikö siis olisi parempi hienosäätää mallisi kokonaan ja hankkia räätälöidympi LLM? Sitä sinä tulet peittämään tällä kurssilla, jossa opit hienosäädyksestä, milloin sitä tulee soveltaa, miten tiedot valmistetaan hienosäätöä varten sekä kuinka harjoitella ja arvioida hienosäädettyä malliasi.

Lisää generatiivisia tekoälyresursseja

Karpathyn "Johdatus suuriin kielimalleihin": Katso täältä

• Video tarjoaa tunnin mittaisen johdattelevan yleiskatsauksen suurelle yleisölle sopivista LLM:istä, jotka toimivat perustavanlaatuisena teknisenä elementtinä järjestelmissä, kuten ChatGPT, Claude ja Bard. Ymmärrät näiden mallien luonteen, tulevaisuuden suunnat ja vertailut.

Jeremy Howardin "Hakkerin opas kielimalleihin": Katso täältä

• Tässä valaisevassa videossa Jeremy Howard, yksi fast.ai:n perustajista, tarjoaa kattavan selvityksen kielimalleista. Video sisältää kriittisiä arvioita GPT-4:stä, käytännön sovelluksia koodin kirjoittamisessa ja data-analyysissä sekä käytännön vinkkejä OpenAI API:n hyödyntämiseen. 

Simon Willisonin "Kiinnitä kiinni LLM:ien omituiseen maailmaan": Lue tästä

• Blogissa käsitellään kielimallien oleellisia asioita, tutkitaan niiden määrittelyä, toimintaa ja ytimekkäästi LLM-kehityksen aikajanaa. Se tunnistaa suosituimmat LLM-mallit ja tarjoaa käytännön vinkkejä, mukaan lukien niiden käyttäminen koodaamiseen. Blogi antaa sinulle myös lyhyen yleiskatsauksen siitä, kuinka LLM:itä koulutetaan.

Mitä ovat Analytics Vidhyan suuret kielimallit (LLM)? Lue tästä

• Blogi tutkii suuria kielimalleja (LLM) niiden rakenteeseen ja toimintaan. Se kattaa niiden yleisen arkkitehtuurin, tarjoaa esimerkkejä, keskustelee avoimen lähdekoodin LLM:istä, kuten Bloomista, tutkii Hugging Face API:ita ja esittelee käytännön sovelluksia esimerkkien kautta. 

Vaihe 4: Entä RLHF?

Olet varmaan kuullut RLHF:stä. RLHF on lyhenne sanoista Enforcement Learning from Human Feedback. Se on koneoppimistekniikka, joka kouluttaa "palkitsemismallin" suoraan ihmispalautteen perusteella ja käyttää mallia palkkiona tekoälyagentin suorituskyvyn optimointiin vahvistamisen avulla. Opi nyt RLHF:stä tällä kurssilla DeepLearning.ai, jossa saat tietoa RLHF:stä, hienosäädä LLM:ää RLHF:n kanssa ja opit lopulta arvioimaan sitä.

Lisää generatiivisia tekoälyresursseja

Vaihe 5: Mistä opit diffuusiomalleista?

Nyt generatiivinen tekoäly ei ole pelkästään LLM:istä. Jos haluat oppia kuvien luomisesta generatiivisen tekoälyn avulla, sinun on opittava diffuusiomalleista ja niiden toiminnasta. Tätä varten on upea Hugging Facen kurssi. Kurssin materiaali, mukaan lukien muistikirjat, luettavaa ja kaikkea muuta löytyy tästä GitHub-arkisto. Täältä löydät sisältöä perusdiffuusiomalleista, vakaasta diffuusiota, diffuusiomallin hienosäätöä ja paljon muuta.

Lisää generatiivisia tekoälyresursseja

Bonus: Kattava generatiivinen AI-ohjelma

Tiedän, että nämä ovat monia kursseja, eivätkä ne ole täysin tyhjentäviä. Tästä syystä ehdotan tätä kattavaa generatiivisen tekoälyn ohjelmaa nimeltä Generatiivinen AI Pinnacle -ohjelma. Tämä ohjelma kattaa generatiivisen tekoälyn alusta loppuun. Se kattaa aiheita, kuten Prompt Engineering, LlamaIndexiä käyttävä RAG-järjestelmä ja LLM:ien hienosäätö, mukaan lukien LoRA, QLoRA, PEFT ja Stable Diffusion.

Yhteenveto

Toivottavasti tästä Generatiivisen tekoälyn resurssien luettelosta oli sinulle apua ja että olet ainakin ilmoittautunut yhdelle kursseista ylhäältä! On kuitenkin monia muita kursseja, jotka olen jättänyt pois täältä. Jos löydät sopivan kurssin generatiivisesta tekoälystä, jaa se alla olevissa kommenteissa. Haluaisin tutkia sitä itsekin!

liittyvä

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://www.analyticsvidhya.com/blog/2024/01/ultimate-list-of-generative-ai-resources/