Ultimate List Of Generative AI Resources

Újra kiadta Platón

Követő: 0

Bevezetés

A ChatGPT-hez hasonló nagy nyelvi modellek (LLM) térnyerése forradalmi volt, és új korszakot indított el a technológiával való interakcióban. Ezek a kifinomult modellek, amelyekre példa a ChatGPT, újradefiniálták a digitális platformokkal való kapcsolatunkat. Gondoljon csak bele – milyen gyakran használt olyan eszközöket, mint a ChatGPT, hogy könnyedén írjon e-mailt, vagy milyen gyakran alkalmazott generatív AI-t, hogy lenyűgöző képeken keresztül keltse életre legvadabb képzeletét? A Generatív AI technológia ezen könyörtelen fejlődése nem csupán tudományos előrelépés; ez egy kapu a végtelen kreatív lehetőségekhez, és lélegzetelállító ütemben formálja újra digitális tájunkat. Mégis, van egy észrevehető rés ebben a gyors haladás forgatagában. Miközben csodálkozunk a Generative AI eredményein, alapjainak és gyakorlati alkalmazásainak mélyebb megértése sokak számára megfoghatatlan. Itt lép be ez a blog. Bemutatjuk a megoldást – a generatív AI-forrásokat.

Gondosan összeállítottam a legjobb Generatív AI-tanfolyamok rendezett listáját, hogy ezzel az élvonalbeli tudással felvértezhessem Önt. Ez nem csak egy lista; ez az útiterv a csodálatos eszközök mögött rejlő varázslat feltárásához. Legyen Ön egy kíváncsi tanuló, egy feltörekvő AI-rajongó vagy egy szakember, aki készségeit fejleszteni kívánja, ezek a tanfolyamok kielégítik tudásszomját.

Tartalomjegyzék

Generatív AI-források listája az Ön számára

1. lépés: Hogyan kezdje el a Generatív AI használatát?

Ha kezdő vagy a generatív AI-ban, kezdje ezzel a kurzussal Generatív AI mindenkinek. Ezen a Generatív AI-tanfolyamon felfedezheti a generatív AI működését, a gyakori felhasználási eseteket és a képességeket. Azt is megtanulja, hogyan készíthet hatékony felszólításokat, és megértheti, milyen lehetőségeket és kockázatokat jelent ez a technológia az egyének, a vállalkozások és a társadalom számára.

A következő dolog, amit meg kell tanulnunk, az az, hogyan kell használni a népszerű Generatív AI-eszközöket, például a ChatGPT-t, a Midjourney-t és még sok mást. Ezen a tanfolyamon tovább Generatív AI-eszközök, pontosan ezt fogod megtanulni. Megismeri a generatív mesterséges intelligencia alapjait, megismerheti a legnépszerűbb szöveggenerálási és képgenerálási eszközöket, és azt is, hogyan használhatja azokat különféle alkalmazásokhoz, például képszerkesztéshez, e-mailek elkészítéséhez, vizuális tartalom létrehozásához stb.

További generatív AI-források

Karpathy „A GPT állapota”: Nézd itt
Gyengéd bevezetés a generatív mesterséges intelligenciába kezdőknek: Olvassa el itt

2. lépés: Hol lehet tanulni a Prompt Engineeringről?

Miután megismerte a Generatív AI-t, a következő lépés az, hogy eljátsszon a technológiával, és elragadja a benne rejlő lehetőségeket. Ennek legjobb módja, ha a ChatGPT-vel babrál. De tudtad, hogy még ahhoz is, hogy a legjobbat hozza ki a ChatGPT-ből, meg kell tanulnia a Prompt Engineering-et? Most azt kérdezed, mi ez? Nos, így lépünk kapcsolatba egy LLM-mel, és érjük el a kívánt eredményt.

Ennek megtanulásához kezdje ezzel természetesen által Codecademy on Prompt Engineering. Ezzel elkezdheti az alapokat. Ha valami részletre szeretne ugrani, nagyon ajánlom ezt az útmutatót Prompt Engineering, ami nem kevesebb, mint egy tanfolyam. Noha ez egy kiterjedt útmutató, jól felépített, és kimerítően lefedi az azonnali tervezést, beleértve az olyan témákat, mint a nullapontos tanulás, a néhány lépésben történő tanulás és a gondolatlánc-tanulás. Ezenkívül általános tippeket ad a jó utasítások megtervezéséhez, amelyek hatékonyan megoldanak minden használati esetet.

További generatív AI-források

3. lépés: Hogyan tanulhatsz az LLM-ekről?

Most, hogy interakcióba lépett a ChatGPT-vel az OpenAI szabványos felületén, itt az ideje, hogy a ChatGPT API felhasználásával saját rendszereket tervezzen. Ennek érdekében felfedezheti ezen a tanfolyamon a Rendszerek kiépítése a ChatGPT API-val készítette: DeepLearning.ai. Itt megtanulhatja az összetett feladatokat kisebb feladatokra bontani, és utasítások segítségével megoldani. Ez megmutatja, hogyan használhat egy hatékony eszközt, például a ChatGPT-t konkrét feladataihoz.

Ha ez megtörtént, elkészítheti első LLM-alapú alkalmazását a LangChain keretrendszer segítségével ebben a kurzusban LangChain LLM alkalmazásfejlesztéshez. A LangChain egy nyílt forráskódú keretrendszer olyan LLM-ek által üzemeltetett alkalmazások fejlesztésére, amelyek nem korlátozódnak a ChatGPT-re! Lehetővé teszi környezettudatos alkalmazások létrehozását azáltal, hogy LLM-eket csatlakoztat az adatokhoz, és eszközöket biztosít a testreszabáshoz, a pontossághoz és a relevanciahoz. Ezen a tanfolyamon megtudhatja, hogyan készítsen LLM-alkalmazást a LangChain segítségével, amely hozzászoktat a személyi asszisztensek és chatbotok létrehozásához.

Mi van akkor, ha a szabványos LLM-ek statikus tudással rendelkeznek, és szeretné bővíteni őket, hogy megfeleljenek az adott használati esetnek? Ekkor kell a RAG technikát használnia az LLM-ek bővítésére az alkalmazás elkészítéséhez. Szóval, mi az a RAG? Nos, a RAG a Retrieval Augmented Generation rövidítése. Ez egy olyan stratégia, ahol egy visszakereső rendszeren keresztül további ismereteket biztosít az LLM számára. Ez lehetővé teszi az LLM számára, hogy specifikusabb kérdésekre válaszoljon, még akkor is, ha nincs rá betanítva. Ebben megtudhatja az RAG-kat és még sok mást Fejlett RAG-alkalmazások készítése és értékelése Persze.

Most, hogy felépített egy RAG rendszert, észre fogja venni, hogy vannak korlátai. Egyrészt észre fogja venni, hogy nem mindig tudja a teljes visszakeresett adatot promptban felhasználni, ami korlátozza az LLM válaszát. A másik az LLM hallucináló hatása, amelyet nehéz kiküszöbölni. Tehát nem lenne jobb, ha teljesen finomhangolná a modellt, és egy személyre szabottabb LLM-t vásárolna? Ez az, amit fedezni fogsz ezen a tanfolyamon, ahol megismerheti a finomhangolást, azt, hogy mikor kell alkalmazni, hogyan kell előkészíteni az adatokat a finomhangoláshoz, és hogyan kell betanítani és értékelni a finomhangolt modellt.

További generatív AI-források

Karpathy „Bevezetés a nagy nyelvi modellekbe”: Nézd itt

A videó egy órás bevezető áttekintést nyújt az általános közönség számára alkalmas LLM-ekről, amelyek alapvető technikai elemként szolgálnak olyan rendszerekben, mint a ChatGPT, Claude és Bard. Meg fogja érteni e modellek természetét, jövőbeli irányait és összehasonlítását.

Jeremy Howard „Hacker útmutató a nyelvi modellekhez” Nézd itt

Ebben a tanulságos videóban Jeremy Howard, a fast.ai társalapítója átfogó feltárást nyújt a nyelvi modellekről. A videó a GPT-4 kritikus értékelését, a kódírás és adatelemzés gyakorlati alkalmazásait, valamint gyakorlati tippeket tartalmaz az OpenAI API használatához.

Simon Willison: „Utolérés az LLM-ek furcsa világához” Olvassa el itt

A blog bemutatja a nyelvi modellek lényegét, feltárja azok meghatározását, működését, valamint az LLM fejlesztésének tömör ütemtervét. Azonosítja a legnépszerűbb LLM-modelleket, és gyakorlati tippeket kínál, beleértve a kódoláshoz való felhasználásukat. A blog rövid áttekintést ad az LLM-ek képzéséről is.

Mik azok az Analytics Vidhya nagy nyelvi modelljei (LLM-ek)? Olvassa el itt

A blog a nagy nyelvi modelleket (LLM) kutatja, elmélyülve azok felépítésében és működésében. Lefedi az általános architektúrát, példákat mutat be, tárgyalja a nyílt forráskódú LLM-eket, például a Bloomot, feltárja a Hugging Face API-kat, és példákon keresztül bemutatja a gyakorlati alkalmazásokat.

4. lépés: Mi a helyzet az RLHF-vel?

Biztosan hallottál már az RLHF-ről. Az RLHF az emberi visszajelzésekből történő tanulás megerősítése. Ez egy gépi tanulási technika, amely közvetlenül az emberi visszajelzésekből képezi ki a „jutalmazó modellt”, és a modellt jutalomként használja fel a mesterséges intelligencia-ügynök teljesítményének optimalizálására megerősítésen keresztül. Most pedig tanuljon meg az RLHF-ről ezen a tanfolyamon DeepLearning.ai, ahol RLHF ismereteket szerez, egy LLM-t finomhangol az RLHF-el, majd végül megtanulja értékelni.

Generatív AI-források hozzáadása

5. lépés: Hol tanult a diffúziós modellekről?

Nos, a generatív AI nem csak az LLM-ekről szól. Ha szeretné megismerni a képalkotást a generatív mesterséges intelligencia használatával, akkor meg kell tanulnia a diffúziós modelleket és azok működését. Ehhez a Hugging Face lenyűgöző tanfolyama van. A tanfolyam anyaga, beleértve a füzeteket, olvasnivalót és minden mást, ebben található GitHub tárház. Itt találhat tartalmat az alapvető diffúziós modellekről, a stabil diffúzióról, a diffúziós modell finomhangolásáról stb.

További generatív AI-források

Bónusz: Átfogó Generatív AI program

Tudom, hogy ez egy csomó tanfolyam, amelyet el kell végezni, és nem teljesen kimerítőek. Ezért javaslom ezt az átfogó programot a Generatív mesterséges intelligenciáról, az úgynevezett Generatív AI Pinnacle program. Ez a program a generatív mesterséges intelligencia elejétől a végéig lefedi. Olyan témákat fed le, mint a Prompt Engineering, a LlamaIndexet használó RAG-rendszer és az LLM-ek finomhangolása, beleértve a LoRA-t, a QLoRA-t, a PEFT-t és a stabil diffúziót.

Következtetés

Remélem, hasznosnak találta a Generatív AI-források listáját, és legalább beiratkozott a fenti kurzusok egyikére! Azonban rengeteg más tanfolyam is van, amelyeket itt kihagytam. Ha talál egy releváns tanfolyamot a Generatív AI-ról, ossza meg az alábbi megjegyzésekben. Szeretném magam is felfedezni!

Összefüggő

Az adatok szerelmese vagyok, és szeretem kibontani és megérteni az adatok rejtett mintáit. Szeretnék tanulni és fejlődni a gépi tanulás és adattudomány területén.