Den ultimata listan över generativa AI-resurser

Återutgiven av Platon

anhängare: 0

Beskrivning

Framväxten av stora språkmodeller (LLMs) som ChatGPT har varit revolutionerande och antänt en ny era i hur vi interagerar med teknik. Dessa sofistikerade modeller, exemplifierade av ChatGPT, har omdefinierat hur vi samarbetar med digitala plattformar. Tänk på det – hur ofta har du använt verktyg som ChatGPT för att enkelt skriva ett e-postmeddelande eller använt generativ AI för att väcka din vildaste fantasi till liv genom fantastiska bilder? Denna obevekliga utveckling av Generativ AI-teknik är inte bara ett vetenskapligt framsteg; det är en inkörsport till oändliga kreativa möjligheter, som omformar vårt digitala landskap i en hisnande takt. Ändå finns det en märkbar lucka i denna virvelvind av snabba framsteg. Även om vi förundras över resultatet av Generativ AI, är en djupare förståelse av dess grunder och praktiska tillämpningar fortfarande svåröverskådlig för många. Det är här den här bloggen går in. Vi introducerar en lösning – Generativa AI-resurser.

Jag har noggrant sammanställt en ordnad lista över de bästa generativa AI-kurserna för att ge dig denna spetskunskap. Det här är inte bara en lista; det är din färdplan för att reda ut magin bakom dessa fantastiska verktyg. Oavsett om du är en nyfiken inlärare, en blivande AI-entusiast eller en professionell som vill förbättra din kompetens, tillgodoser dessa kurser din kunskapstörst.

Innehållsförteckning

Lista över generativa AI-resurser för dig

Steg 1: Hur kommer du igång med Generativ AI?

Om du är nybörjare till Generativ AI, börja med den här kursen Generativ AI för alla. I den här Generativ AI-kurs kommer du att utforska hur generativ AI fungerar, vanliga användningsfall och funktioner. Du kommer också att lära dig hur du skapar effektiva uppmaningar och förstår de potentiella möjligheter och risker som denna teknik innebär för individer, företag och samhället.

Nu är nästa sak att lära sig hur man använder de populära Generative AI-verktygen som ChatGPT, Midjourney och mer. I denna kurs på Generativa AI-verktyg, du kommer att få lära dig exakt det. Du kommer att förstå grunderna i generativ AI, lära dig om de mest populära verktygen för textgenerering och bildgenerering, och till och med hur du använder dem för olika applikationer som bildredigering, skapa e-postmeddelanden, skapa visuellt innehåll och mer.

Ytterligare generativa AI-resurser

"The state of GPT" av Karpathy: Titta här
En mild introduktion till generativ AI för nybörjare: Läs här

Steg 2: Var kan man lära sig om Prompt Engineering?

När du har lärt dig om Generativ AI är nästa steg att leka med tekniken och bli förtjust i dess möjligheter. Det bästa sättet att göra det är att fiffla med ChatGPT. Men visste du att även för att få ut det bästa av ChatGPT måste du lära dig om Prompt Engineering? Nu frågar du, vad är det? Tja, det är sättet vi interagerar med en LLM och får det önskade resultatet.

För att lära dig det kan du börja med det här kurs av Codecademy om prompt ingenjörskonst. Detta kommer att komma igång med grunderna. Om du vill gå in på något detaljerat rekommenderar jag starkt den här guiden Snabb ingenjörskonst, vilket inte är mindre än en kurs. Även om detta är en omfattande guide, är den välstrukturerad och täcker den snabba tekniken uttömmande, inklusive ämnen som noll-shot-inlärning, få-shot-inlärning och chain-of-thought-inlärning. Den ger dig också allmänna tips för att utforma bra uppmaningar som effektivt löser alla användningsfall.

Ytterligare generativa AI-resurser

Steg 3: Hur lär du dig om LLM?

Nu när du har interagerat med ChatGPT med standardgränssnittet från OpenAI, är det dags att gå vidare till att designa dina egna system genom att använda ChatGPT API. För det kan du utforska i den här kursen på Bygg system med ChatGPT API av DeepLearning.ai. Här får du lära dig att dela upp komplexa uppgifter i mindre uppgifter och lösa dem med hjälp av uppmaningar. Detta kommer att visa dig hur du använder ett kraftfullt verktyg som ChatGPT för dina specifika uppgifter.

När det är gjort kan du bygga din första LLM-baserade applikation med hjälp av LangChain-ramverket i den här kursen LangChain för LLM Application Development. LangChain är ett ramverk med öppen källkod för att utveckla applikationer som drivs av LLM:er som inte är begränsade till ChatGPT! Det möjliggör skapandet av sammanhangsmedvetna applikationer genom att koppla LLM till data och tillhandahålla verktyg för anpassning, noggrannhet och relevans. I den här kursen får du lära dig att bygga en LLM-applikation med hjälp av LangChain, vilket kommer att vänja dig vid att bygga personliga assistenter och chatbots.

Vad händer om standard LLM:erna har statisk kunskap och du vill utöka dem för att passa just ditt användningsfall? Det är då du kommer att behöva använda RAG-tekniken för att utöka LLMs för att bygga din applikation. Så, vad är RAG? Jo, RAG står för Retrieval Augmented Generation. Det är en strategi där du ger ytterligare kunskap till LLM genom ett hämtningssystem. Detta gör att LLM kan svara på mer specifika frågor även om den inte är utbildad i det. Du kan lära dig om RAG och mer i detta Bygga och utvärdera avancerade RAG-applikationer Naturligtvis.

Nu när du har byggt ett RAG-system kommer du att märka att det finns vissa begränsningar för det. För det första kommer du att märka att du inte alltid kommer att kunna använda hela den hämtade informationen i en prompt, vilket begränsar svaret från LLM. En annan skulle vara den hallucinerande effekten av LLM, som är svår att eliminera. Så, skulle det inte vara bättre att finjustera din modell helt och hållet och få en mer anpassad LLM? Det är vad du kommer att täcka i denna kurs, där du lär dig om finjustering, när du ska tillämpa den, hur du förbereder data för finjustering och hur du tränar och utvärderar din finjusterade modell.

Ytterligare generativa AI-resurser

"Intro till stora språkmodeller" av Karpathy: Titta här

Videon ger en timslång introduktionsöversikt över LLM som är lämpliga för en allmän publik, som fungerar som det grundläggande tekniska elementet i system som ChatGPT, Claude och Bard. Du kommer att förstå naturen, framtida riktningar och jämförelser mellan dessa modeller.

"En hackers guide till språkmodeller" av Jeremy Howard: Titta här

I den här upplysande videon ger Jeremy Howard, medgrundare av fast.ai, en omfattande utforskning av språkmodeller. Videon innehåller kritiska utvärderingar av GPT-4, praktiska tillämpningar inom kodskrivning och dataanalys, och praktiska tips för att använda OpenAI API.

"Att komma ikapp LLMs konstiga värld" av Simon Willison: Läs här

Bloggen täcker det väsentliga i språkmodeller, utforskar deras definition, funktion och en kortfattad tidslinje för LLM-utveckling. Den identifierar de bästa LLM-modellerna och ger praktiska tips, inklusive att använda dem för kodning. Bloggen kommer också att ge dig en kort översikt över hur LLMs utbildas.

Vad är stora språkmodeller (LLM) av Analytics Vidhya? Läs här

Bloggen utforskar stora språkmodeller (LLM) och fördjupar sig i deras konstruktion och funktion. Den täcker deras allmänna arkitektur, ger exempel, diskuterar LLM:er med öppen källkod som Bloom, utforskar Hugging Face API:er och presenterar praktiska tillämpningar genom exempel.

Steg 4: Hur är det med RLHF?

Du måste ha hört talas om RLHF. RLHF står för Reinforcement Learning from Human Feedback. Det är en maskininlärningsteknik som tränar en "belöningsmodell" direkt från mänsklig feedback och använder modellen som en belöning för att optimera prestandan för en artificiell intelligensagent genom förstärkning. Lär dig nu om RLHF i den här kursen av DeepLearning.ai, där du ska få kunskap om RLHF, finjustera en LLM med RLHF, och sedan slutligen lära dig att utvärdera den.

Tillägg Generativa AI-resurser

Steg 5: Var lär du dig om diffusionsmodeller?

Nu handlar generativ AI inte bara om LLM:er. Om du vill lära dig om bildgenerering med generativ AI måste du lära dig om diffusionsmodeller och hur de fungerar. För detta finns det en fantastisk kurs av Hugging Face. Materialet för kursen, inklusive anteckningsböcker, läsmaterial och allt annat, finns i denna GitHub repository. Här kan du hitta innehåll om grundläggande diffusionsmodeller, stabil diffusion, finjustering av en diffusionsmodell med mera.

Ytterligare generativa AI-resurser

Bonus: Omfattande generativt AI-program

Jag vet att det här är många kurser att gå och inte är helt uttömmande. Det är därför jag föreslår detta omfattande program om Generativ AI som kallas Generativt AI Pinnacle-program. Detta program täcker generativ AI från början till slut. Den täcker ämnen som Prompt Engineering, RAG-system som använder LlamaIndex och finjustering av LLM, inklusive LoRA, QLoRA, PEFT och Stable Diffusion.

Slutsats

Jag hoppas att du tyckte att den här listan med Generativ AI-resurser var användbar och att du åtminstone har anmält dig till en av kurserna från ovan! Det finns dock massor av andra kurser som jag har utelämnat här. Om du hittar en relevant kurs om Generativ AI, dela den i kommentarerna nedan. Det skulle jag gärna utforska själv!

Relaterad

Jag är en dataälskare och jag älskar att extrahera och förstå de dolda mönstren i datan. Jag vill lära mig och växa inom maskininlärning och datavetenskap.