รายการทรัพยากร Generative AI ระดับสุดยอด

เผยแพร่ซ้ำโดยเพลโต

ผู้ติดตาม: 0

บทนำ

การเพิ่มขึ้นของโมเดลภาษาขนาดใหญ่ (LLM) เช่น ChatGPT ถือเป็นการปฏิวัติครั้งใหม่ โดยจุดประกายยุคใหม่ของการโต้ตอบกับเทคโนโลยี โมเดลที่ซับซ้อนเหล่านี้ เป็นตัวอย่างโดย ChatGPT ได้กำหนดวิธีที่เรามีส่วนร่วมกับแพลตฟอร์มดิจิทัลใหม่ ลองคิดดูว่า คุณเคยใช้เครื่องมืออย่าง ChatGPT เพื่อเขียนอีเมลอย่างง่ายดายหรือใช้ AI สร้างสรรค์เพื่อปลุกจินตนาการที่โลดโผนที่สุดของคุณให้เป็นจริงผ่านรูปภาพที่น่าทึ่งบ่อยแค่ไหน วิวัฒนาการอย่างไม่หยุดยั้งของเทคโนโลยี Generative AI ไม่ใช่แค่ความก้าวหน้าทางวิทยาศาสตร์เท่านั้น เป็นประตูสู่ความเป็นไปได้ที่สร้างสรรค์ไม่รู้จบ โดยเปลี่ยนโฉมภูมิทัศน์ดิจิทัลของเราอย่างรวดเร็วจนน่าทึ่ง ยังมีช่องว่างที่เห็นได้ชัดเจนในกระแสลมแห่งความก้าวหน้าอย่างรวดเร็วนี้ แม้ว่าเราจะประหลาดใจกับผลลัพธ์ของ Generative AI แต่ความเข้าใจที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับพื้นฐานและการใช้งานจริงของมันยังคงเป็นเรื่องที่ยากสำหรับหลายๆ คน นี่คือจุดเริ่มต้นของบล็อกนี้ การแนะนำโซลูชัน—ทรัพยากร Generative AI

ฉันได้รวบรวมรายชื่อหลักสูตร Generative AI ชั้นนำอย่างพิถีพิถันเพื่อเสริมศักยภาพให้กับคุณด้วยความรู้ที่ล้ำสมัยนี้ นี่ไม่ใช่แค่รายการเท่านั้น มันเป็นแผนงานของคุณในการไขความมหัศจรรย์เบื้องหลังเครื่องมือที่น่าทึ่งเหล่านี้ ไม่ว่าคุณจะเป็นผู้เรียนที่อยากรู้อยากเห็น ผู้ที่กระตือรือร้นด้าน AI หรือมืออาชีพที่ต้องการเพิ่มพูนทักษะ หลักสูตรเหล่านี้ตอบสนองความต้องการความรู้ของคุณ

สารบัญ

รายชื่อทรัพยากร Generative AI สำหรับคุณ

ขั้นตอนที่ 1: คุณจะเริ่มต้นใช้งาน Generative AI ได้อย่างไร

หากคุณเป็นผู้เริ่มต้นใช้งาน Generative AI ให้เริ่มด้วยหลักสูตรนี้ AI เจนเนอเรชั่นสำหรับทุกคน. ในหลักสูตร Generative AI นี้ คุณจะสำรวจการทำงานของ Generative AI กรณีการใช้งานทั่วไป และความสามารถ นอกจากนี้คุณยังจะได้เรียนรู้วิธีสร้างการแจ้งเตือนที่มีประสิทธิภาพและทำความเข้าใจโอกาสและความเสี่ยงที่อาจเกิดขึ้นที่เทคโนโลยีนี้มอบให้กับบุคคล ธุรกิจ และสังคม

ตอนนี้ สิ่งต่อไปที่ต้องเรียนรู้คือวิธีใช้เครื่องมือ Generative AI ยอดนิยม เช่น ChatGPT, Midjourney และอื่นๆ อีกมากมาย ในหลักสูตรนี้ต่อไป เครื่องมือสร้าง AIคุณจะได้เรียนรู้สิ่งนั้นอย่างแน่นอน คุณจะเข้าใจพื้นฐานของ generative AI เรียนรู้เกี่ยวกับเครื่องมือยอดนิยมสำหรับการสร้างข้อความและการสร้างรูปภาพ และแม้แต่วิธีใช้งานเครื่องมือเหล่านี้สำหรับแอปพลิเคชันต่างๆ เช่น การแก้ไขรูปภาพ การสร้างอีเมล การสร้างเนื้อหาภาพ และอื่นๆ

ทรัพยากร Generative AI เพิ่มเติม

“สถานะของ GPT” โดย Karpathy: ดูที่นี่
การแนะนำอย่างอ่อนโยนเกี่ยวกับ Generative AI สำหรับผู้เริ่มต้น: อ่านที่นี่

ขั้นตอนที่ 2: จะเรียนรู้เกี่ยวกับพร้อมท์วิศวกรรมได้ที่ไหน

เมื่อคุณได้เรียนรู้เกี่ยวกับ Generative AI แล้ว ขั้นตอนต่อไปคือการเล่นกับเทคโนโลยีและหลงใหลในความเป็นไปได้ของมัน วิธีที่ดีที่สุดในการทำเช่นนั้นคือการเล่นซอกับ ChatGPT แต่คุณรู้หรือไม่ว่าแม้จะใช้ ChatGPT ให้เกิดประโยชน์สูงสุด คุณยังต้องเรียนรู้เกี่ยวกับ Prompt Engineering อีกด้วย ตอนนี้คุณถามว่ามันคืออะไร? มันเป็นวิธีที่เราโต้ตอบกับ LLM และได้รับผลลัพธ์ที่ต้องการ

หากต้องการเรียนรู้สิ่งนั้น คุณสามารถเริ่มด้วยสิ่งนี้ หลักสูตรโดย Codecademy เรื่องวิศวกรรมพร้อมท์. สิ่งนี้จะช่วยให้คุณเริ่มต้นด้วยพื้นฐาน หากคุณต้องการข้ามไปสู่บางสิ่งที่มีรายละเอียด ฉันขอแนะนำคู่มือนี้เป็นอย่างยิ่ง พร้อมรับงานวิศวกรรมซึ่งไม่น้อยไปกว่ารายวิชา แม้ว่านี่จะเป็นคู่มือที่ครอบคลุม แต่ก็มีโครงสร้างที่ดีและครอบคลุมวิศวกรรมที่รวดเร็วอย่างละเอียดถี่ถ้วน รวมถึงหัวข้อต่างๆ เช่น การเรียนรู้แบบ Zero-shot การเรียนรู้แบบไม่กี่ช็อต และการเรียนรู้แบบห่วงโซ่แห่งความคิด นอกจากนี้ยังบอกเคล็ดลับทั่วไปในการออกแบบพร้อมท์ที่ดีซึ่งแก้ไขกรณีการใช้งานได้อย่างมีประสิทธิภาพ

ทรัพยากร Generative AI เพิ่มเติม

ขั้นตอนที่ 3: คุณเรียนรู้เกี่ยวกับ LLM ได้อย่างไร

เมื่อคุณโต้ตอบกับ ChatGPT โดยใช้อินเทอร์เฟซมาตรฐานของ OpenAI แล้ว ก็ถึงเวลาที่ต้องออกแบบระบบของคุณเองโดยใช้ ChatGPT API เพื่อสิ่งนั้น คุณสามารถสำรวจได้ในหลักสูตรนี้ สร้างระบบด้วย ChatGPT API โดย DeepLearning.ai ที่นี่ คุณจะได้เรียนรู้การแบ่งงานที่ซับซ้อนออกเป็นงานเล็กๆ และแก้ไขปัญหาโดยใช้คำแนะนำ นี่จะแสดงวิธีใช้เครื่องมืออันทรงพลังเช่น ChatGPT สำหรับงานเฉพาะของคุณ

เมื่อเสร็จแล้ว คุณสามารถสร้างแอปพลิเคชันที่ใช้ LLM แรกของคุณโดยใช้เฟรมเวิร์ก LangChain ในหลักสูตรนี้ LangChain สำหรับการพัฒนาแอปพลิเคชัน LLM. LangChain เป็นเฟรมเวิร์กโอเพ่นซอร์สสำหรับการพัฒนาแอปพลิเคชันที่ขับเคลื่อนโดย LLM ซึ่งไม่จำกัดเพียง ChatGPT! ช่วยให้สามารถสร้างแอปพลิเคชันแบบ Context-Aware โดยการเชื่อมต่อ LLM กับข้อมูล และจัดเตรียมเครื่องมือสำหรับการปรับแต่ง ความแม่นยำ และความเกี่ยวข้อง ในหลักสูตรนี้ คุณจะได้เรียนรู้การสร้างแอปพลิเคชัน LLM โดยใช้ LangChain ซึ่งจะทำให้คุณคุ้นเคยกับการสร้างผู้ช่วยส่วนตัวและแชทบอท

จะเกิดอะไรขึ้นหาก LLM มาตรฐานมีความรู้คงที่ และคุณต้องการเพิ่มให้เหมาะกับกรณีการใช้งานเฉพาะของคุณ? นั่นคือเวลาที่คุณจะต้องใช้เทคนิค RAG เพื่อเพิ่ม LLM เพื่อสร้างแอปพลิเคชันของคุณ แล้ว RAG คืออะไร? RAG ย่อมาจาก Recovery Augmented Generation เป็นกลยุทธ์ที่คุณให้ความรู้เพิ่มเติมแก่ LLM ผ่านระบบการดึงข้อมูล ซึ่งช่วยให้ LLM สามารถตอบคำถามที่เฉพาะเจาะจงมากขึ้นได้ แม้ว่าจะไม่ได้รับการฝึกอบรมก็ตาม คุณสามารถเรียนรู้เกี่ยวกับ RAG และอื่นๆ ได้ในนี้ การสร้างและประเมินแอปพลิเคชัน RAG ขั้นสูง หลักสูตร

ตอนนี้คุณได้สร้างระบบ RAG แล้ว คุณจะสังเกตเห็นว่ามีข้อจำกัดบางประการ ประการแรก คุณจะสังเกตเห็นว่าคุณไม่สามารถใช้ข้อมูลที่ดึงมาทั้งหมดในพร้อมท์ได้เสมอไป ซึ่งจะจำกัดการตอบสนองของ LLM อีกประการหนึ่งคือผลประสาทหลอนของ LLM ซึ่งยากจะกำจัด ดังนั้น จะดีกว่าไหมถ้าปรับแต่งโมเดลของคุณทั้งหมดและรับ LLM ที่ปรับแต่งให้มากขึ้น นั่นคือสิ่งที่คุณจะครอบคลุม ในหลักสูตรนี้ซึ่งคุณจะได้เรียนรู้เกี่ยวกับการปรับแต่งอย่างละเอียด เมื่อใดที่ควรนำไปใช้ วิธีเตรียมข้อมูลสำหรับการปรับแต่งอย่างละเอียด และวิธีการฝึกและประเมินโมเดลที่ได้รับการปรับแต่งของคุณ

ทรัพยากร Generative AI เพิ่มเติม

“บทนำสู่โมเดลภาษาขนาดใหญ่” โดย Karpathy: ดูที่นี่

วิดีโอนี้นำเสนอภาพรวมเบื้องต้นเกี่ยวกับ LLM ที่เหมาะสำหรับผู้ชมทั่วไปความยาวหนึ่งชั่วโมง ซึ่งทำหน้าที่เป็นองค์ประกอบทางเทคนิคขั้นพื้นฐานในระบบ เช่น ChatGPT, Claude และ Bard คุณจะเข้าใจธรรมชาติ ทิศทางในอนาคต และการเปรียบเทียบระหว่างโมเดลเหล่านี้

“คู่มือแฮ็กเกอร์เกี่ยวกับโมเดลภาษา” โดย Jeremy Howard: ดูที่นี่

ในวิดีโอที่ให้ความรู้นี้ Jeremy Howard ผู้ร่วมก่อตั้ง fast.ai นำเสนอการสำรวจโมเดลภาษาอย่างครอบคลุม วิดีโอนี้ประกอบด้วยการประเมินที่สำคัญของ GPT-4 การใช้งานจริงในการเขียนโค้ดและการวิเคราะห์ข้อมูล และเคล็ดลับการใช้งานจริงสำหรับการใช้ OpenAI API

“ตามทันโลกอันแปลกประหลาดของ LLM” โดย Simon Willison: อ่านที่นี่

บล็อกครอบคลุมสาระสำคัญของโมเดลภาษา สำรวจคำจำกัดความ การทำงาน และไทม์ไลน์ที่กระชับของการพัฒนา LLM โดยจะระบุโมเดล LLM อันดับต้นๆ และให้คำแนะนำที่เป็นประโยชน์ รวมถึงการใช้โมเดลเหล่านั้นในการเขียนโค้ด บล็อกนี้ยังจะให้ภาพรวมคร่าวๆ เกี่ยวกับวิธีการฝึกอบรม LLM อีกด้วย

Large Language Models (LLM) โดย Analytics Vidhya คืออะไร อ่านที่นี่

บล็อกนี้จะสำรวจโมเดลภาษาขนาดใหญ่ (LLM) โดยเจาะลึกโครงสร้างและการทำงาน โดยครอบคลุมสถาปัตยกรรมทั่วไป ยกตัวอย่าง อภิปรายการ LLM แบบโอเพ่นซอร์ส เช่น Bloom สำรวจ Hugging Face API และนำเสนอแอปพลิเคชันที่ใช้งานได้จริงผ่านตัวอย่าง

ขั้นตอนที่ 4: แล้ว RLHF ล่ะ?

คุณต้องเคยได้ยินเกี่ยวกับ RLHF RLHF ย่อมาจาก Reinforcement Learning from Human Feedback เป็นเทคนิคการเรียนรู้ของเครื่องที่ฝึกฝน "โมเดลรางวัล" โดยตรงจากความคิดเห็นของมนุษย์ และใช้โมเดลดังกล่าวเป็นรางวัลเพื่อเพิ่มประสิทธิภาพการทำงานของตัวแทนปัญญาประดิษฐ์ผ่านการเสริมกำลัง ตอนนี้มาเรียนรู้เกี่ยวกับ RLHF ในหลักสูตรนี้โดย Deep Learning.aiซึ่งคุณจะได้รับความรู้เกี่ยวกับ RLHF ปรับแต่ง LLM ด้วย RLHF และเรียนรู้ที่จะประเมินผลในที่สุด

ทรัพยากร Generative AI เพิ่มเติม

ขั้นตอนที่ 5: คุณเรียนรู้เกี่ยวกับแบบจำลองการแพร่กระจายได้จากที่ไหน

ตอนนี้ generative AI ไม่ใช่แค่ LLM เท่านั้น หากคุณต้องการเรียนรู้เกี่ยวกับการสร้างภาพโดยใช้ generative AI คุณต้องเรียนรู้เกี่ยวกับแบบจำลองการแพร่กระจายและวิธีการทำงาน สำหรับเรื่องนี้ เรามีคอร์ส Hugging Face ที่น่าทึ่งมาฝาก เนื้อหาสำหรับหลักสูตร รวมถึงสมุดบันทึก สื่อการอ่าน และอื่นๆ สามารถพบได้ในสิ่งนี้ พื้นที่เก็บข้อมูล GitHub. ที่นี่ คุณจะพบเนื้อหาเกี่ยวกับโมเดลการแพร่กระจายพื้นฐาน การแพร่กระจายที่เสถียร การปรับแต่งโมเดลการแพร่กระจายอย่างละเอียด และอื่นๆ อีกมากมาย

ทรัพยากร Generative AI เพิ่มเติม

โบนัส: โปรแกรม AI เจนเนอเรชั่นที่ครอบคลุม

ฉันรู้ว่าหลักสูตรเหล่านี้มีหลายหลักสูตรที่ต้องทำและไม่ได้ละเอียดถี่ถ้วนทั้งหมด นี่คือเหตุผลที่ฉันแนะนำโปรแกรมที่ครอบคลุมเกี่ยวกับ Generative AI นี้ที่เรียกว่า โปรแกรม Generative AI Pinnacle. โปรแกรมนี้ครอบคลุม generative AI ตั้งแต่ต้นจนจบ โดยครอบคลุมหัวข้อต่างๆ เช่น Prompt Engineering, ระบบ RAG โดยใช้ LlamaIndex และการปรับแต่ง LLM รวมถึง LoRA, QLoRA, PEFT และ Stable Diffusion

สรุป

ฉันหวังว่าคุณจะพบว่ารายการทรัพยากร Generative AI นี้มีประโยชน์ และอย่างน้อยคุณได้ลงทะเบียนในหนึ่งในหลักสูตรจากด้านบน! อย่างไรก็ตาม ยังมีหลักสูตรอื่นๆ อีกมากมายที่ผมได้ทิ้งไว้ที่นี่ หากคุณพบหลักสูตรที่เกี่ยวข้องกับ Generative AI โปรดแชร์ในความคิดเห็นด้านล่าง ฉันอยากจะสำรวจสิ่งนั้นด้วยตัวเอง!