Danh sách cuối cùng về tài nguyên AI sáng tạo

Được xuất bản lại bởi Plato

Người theo dõi: 0

Giới thiệu

Sự nổi lên của Mô hình ngôn ngữ lớn (LLM) như ChatGPT đã mang tính cách mạng, khơi dậy một kỷ nguyên mới về cách chúng ta tương tác với công nghệ. Những mô hình phức tạp này, được ChatGPT minh họa, đã xác định lại cách chúng ta tương tác với các nền tảng kỹ thuật số. Hãy nghĩ về điều đó – bạn có thường xuyên sử dụng các công cụ như ChatGPT để viết email một cách dễ dàng hoặc sử dụng AI có tính sáng tạo để biến trí tưởng tượng hoang dã nhất của bạn thành hiện thực thông qua những hình ảnh tuyệt đẹp không? Sự phát triển không ngừng của công nghệ Generative AI này không chỉ là một tiến bộ khoa học; đó là cửa ngõ dẫn đến những khả năng sáng tạo vô tận, định hình lại bối cảnh kỹ thuật số của chúng ta với tốc độ chóng mặt. Tuy nhiên, có một khoảng cách đáng chú ý trong cơn lốc tiến bộ nhanh chóng này. Mặc dù chúng tôi ngạc nhiên trước kết quả đầu ra của Generative AI, nhưng nhiều người vẫn khó nắm bắt được sự hiểu biết sâu sắc hơn về các nguyên tắc cơ bản và ứng dụng thực tế của nó. Đây là nơi blog này hướng tới. Giới thiệu một giải pháp—Tài nguyên AI sáng tạo.

Tôi đã biên soạn một cách tỉ mỉ một danh sách có thứ tự các khóa học về Generative AI hàng đầu để trang bị cho bạn kiến thức tiên tiến này. Đây không chỉ là một danh sách; đó là lộ trình giúp bạn khám phá điều kỳ diệu đằng sau những công cụ tuyệt vời này. Cho dù bạn là một người ham học hỏi, một người đam mê AI đầy tham vọng hay một chuyên gia đang muốn nâng cao bộ kỹ năng của mình, những khóa học này sẽ đáp ứng cơn khát kiến thức của bạn.

Mục lục

Danh sách tài nguyên AI sáng tạo dành cho bạn

Bước 1: Làm thế nào để bạn bắt đầu với Generative AI?

Nếu bạn là người mới bắt đầu sử dụng Generative AI, hãy bắt đầu với khóa học này trên AI sáng tạo cho mọi người. Trong khóa học Generative AI này, bạn sẽ khám phá hoạt động của Generative AI, các trường hợp sử dụng phổ biến và các khả năng. Bạn cũng sẽ học cách xây dựng các lời nhắc hiệu quả và hiểu các cơ hội cũng như rủi ro tiềm ẩn mà công nghệ này gây ra cho các cá nhân, doanh nghiệp và xã hội.

Bây giờ, điều tiếp theo cần tìm hiểu là cách sử dụng các công cụ Generative AI phổ biến như ChatGPT, Midjourney, v.v. Trong khóa học này về Công cụ AI sáng tạo, bạn sẽ học được chính xác điều đó. Bạn sẽ hiểu những kiến thức cơ bản về AI tổng quát, tìm hiểu về các công cụ phổ biến nhất để tạo văn bản và tạo hình ảnh cũng như thậm chí cách sử dụng chúng cho các ứng dụng khác nhau như chỉnh sửa hình ảnh, tạo email, tạo nội dung trực quan, v.v.

Tài nguyên AI sáng tạo bổ sung

“Trạng thái GPT” của Karpathy: Xem ở đây
Giới thiệu nhẹ nhàng về AI sáng tạo dành cho người mới bắt đầu: Đọc ở đây

Bước 2: Tìm hiểu về Rapid Engineering ở đâu?

Sau khi bạn đã tìm hiểu về Generative AI, bước tiếp theo là tìm hiểu công nghệ và say mê với những khả năng của nó. Cách tốt nhất để làm điều đó là sử dụng ChatGPT. Nhưng bạn có biết rằng ngay cả để tận dụng tối đa ChatGPT, bạn cũng phải tìm hiểu về Rapid Engineering? Bây giờ bạn hỏi, đó là gì? Chà, đó là cách chúng tôi tương tác với LLM và nhận được kết quả mong muốn.

Để tìm hiểu điều đó, bạn có thể bắt đầu với điều này tất nhiên bởi Codecademy về Kỹ thuật nhanh chóng. Điều này sẽ giúp bạn bắt đầu với những điều cơ bản. Nếu bạn muốn chuyển sang nội dung nào đó chi tiết, tôi thực sự khuyên bạn nên sử dụng hướng dẫn này trên Kỹ thuật nhanh chóng, không kém gì một khóa học. Mặc dù đây là một hướng dẫn mở rộng nhưng nó có cấu trúc tốt và bao quát kỹ thuật nhanh chóng một cách toàn diện, bao gồm các chủ đề như học không cần thực hiện, học ít lần và học theo chuỗi suy nghĩ. Nó cũng cho bạn biết các mẹo chung để thiết kế lời nhắc phù hợp nhằm giải quyết hiệu quả mọi trường hợp sử dụng.

Tài nguyên AI sáng tạo bổ sung

Bước 3: Bạn tìm hiểu về LLM như thế nào?

Bây giờ bạn đã tương tác với ChatGPT bằng giao diện chuẩn của OpenAI, đã đến lúc chuyển sang thiết kế hệ thống của riêng bạn bằng cách sử dụng API ChatGPT. Để làm được điều đó, bạn có thể khám phá trong khóa học này về Xây dựng hệ thống với API ChatGPT bởi DeepLearning.ai. Tại đây, bạn sẽ học cách chia các nhiệm vụ phức tạp thành các nhiệm vụ nhỏ hơn và giải quyết chúng bằng lời nhắc. Điều này sẽ chỉ cho bạn cách sử dụng một công cụ mạnh mẽ như ChatGPT cho các tác vụ cụ thể của bạn.

Khi đã xong, bạn có thể xây dựng ứng dụng dựa trên LLM đầu tiên của mình bằng cách sử dụng khung LangChain trong khóa học này trên LangChain để phát triển ứng dụng LLM. LangChain là một framework mã nguồn mở để phát triển các ứng dụng được cung cấp bởi LLM không giới hạn ở ChatGPT! Nó cho phép tạo các ứng dụng nhận biết ngữ cảnh bằng cách kết nối LLM với dữ liệu và cung cấp các công cụ để tùy chỉnh, độ chính xác và mức độ liên quan. Trong khóa học này, bạn sẽ học cách xây dựng một ứng dụng LLM bằng LangChain, điều này sẽ giúp bạn làm quen với việc xây dựng trợ lý cá nhân và chatbot.

Điều gì sẽ xảy ra nếu LLM tiêu chuẩn có kiến thức tĩnh và bạn muốn bổ sung chúng cho phù hợp với trường hợp sử dụng cụ thể của mình? Đó là lúc bạn cần sử dụng kỹ thuật RAG để tăng cường LLM nhằm xây dựng ứng dụng của mình. Vậy RAG là gì? Vâng, RAG là viết tắt của Thế hệ tăng cường truy xuất. Đó là một chiến lược trong đó bạn cung cấp kiến thức bổ sung cho LLM thông qua hệ thống truy xuất. Điều này cho phép LLM trả lời các truy vấn cụ thể hơn mặc dù nó không được đào tạo về nó. Bạn có thể tìm hiểu về RAG và nhiều thông tin khác trong phần này Xây dựng và đánh giá các ứng dụng RAG nâng cao khóa học.

Bây giờ bạn đã xây dựng hệ thống RAG, bạn sẽ nhận thấy rằng có một số hạn chế đối với nó. Đầu tiên, bạn sẽ nhận thấy rằng không phải lúc nào bạn cũng có thể sử dụng toàn bộ dữ liệu được truy xuất trong một lời nhắc, điều này sẽ hạn chế phản hồi của LLM. Một nguyên nhân khác là hiệu ứng ảo giác của LLM, rất khó loại bỏ. Vì vậy, sẽ tốt hơn nếu điều chỉnh hoàn toàn mô hình của bạn và có được LLM tùy chỉnh hơn? Đó là những gì bạn sẽ đề cập trong khóa học này, nơi bạn sẽ tìm hiểu về tinh chỉnh, khi nào áp dụng nó, cách chuẩn bị dữ liệu cho tinh chỉnh cũng như cách đào tạo và đánh giá mô hình tinh chỉnh của bạn.

Tài nguyên AI sáng tạo bổ sung

“Giới thiệu về các mô hình ngôn ngữ lớn” của Karpathy: Xem ở đây

Video cung cấp thông tin tổng quan giới thiệu kéo dài một giờ về LLM phù hợp với khán giả nói chung, đóng vai trò là yếu tố kỹ thuật cơ bản trong các hệ thống như ChatGPT, Claude và Bard. Bạn sẽ hiểu bản chất, hướng đi trong tương lai và so sánh giữa các mô hình này.

“Hướng dẫn về mô hình ngôn ngữ cho hacker” của Jeremy Howard: Xem ở đây

Trong video thú vị này, Jeremy Howard, người đồng sáng lập fast.ai, cung cấp thông tin khám phá toàn diện về các mô hình ngôn ngữ. Video bao gồm các đánh giá quan trọng về GPT-4, các ứng dụng thực tế trong viết mã và phân tích dữ liệu cũng như các mẹo thực hành để sử dụng API OpenAI.

“Bắt kịp thế giới kỳ lạ của LLM” của Simon Willison: Đọc ở đây

Blog trình bày các yếu tố cần thiết của mô hình ngôn ngữ, khám phá định nghĩa, chức năng của chúng và dòng thời gian ngắn gọn về phát triển LLM. Nó xác định các mô hình LLM hàng đầu và đưa ra các mẹo thiết thực, bao gồm cả việc sử dụng chúng để viết mã. Blog cũng sẽ cung cấp cho bạn một cái nhìn tổng quan ngắn gọn về cách đào tạo LLM.

Mô hình ngôn ngữ lớn (LLM) của Analytics Vidhya là gì? Đọc ở đây

Blog khám phá các Mô hình ngôn ngữ lớn (LLM), đi sâu vào cấu trúc và chức năng của chúng. Nó bao gồm kiến trúc chung của họ, cung cấp các ví dụ, thảo luận về các LLM nguồn mở như Bloom, khám phá các API ôm khuôn mặt và trình bày các ứng dụng thực tế thông qua các ví dụ.

Bước 4: Còn RLHF thì sao?

Chắc hẳn bạn đã từng nghe đến RLHF. RLHF là viết tắt của Học tăng cường từ phản hồi của con người. Đó là một kỹ thuật học máy đào tạo “mô hình phần thưởng” trực tiếp từ phản hồi của con người và sử dụng mô hình này làm phần thưởng để tối ưu hóa hiệu suất của tác nhân trí tuệ nhân tạo thông qua việc tăng cường. Bây giờ, hãy tìm hiểu về RLHF trong khóa học này bằng cách DeepLearning.ai, nơi bạn sẽ có được kiến thức về RLHF, tinh chỉnh LLM bằng RLHF và cuối cùng là học cách đánh giá nó.

Tài nguyên AI sáng tạo bổ sung

Bước 5: Bạn tìm hiểu về mô hình khuếch tán ở đâu?

Giờ đây, AI tổng quát không chỉ xoay quanh LLM. Nếu bạn muốn tìm hiểu về cách tạo hình ảnh bằng AI tổng hợp, thì bạn phải tìm hiểu về các mô hình khuếch tán và cách chúng hoạt động. Để làm được điều này, có một khóa học tuyệt vời của Ôm Mặt. Tài liệu cho khóa học, bao gồm sổ ghi chép, tài liệu đọc và mọi thứ khác, có thể được tìm thấy trong đây Kho GitHub. Tại đây, bạn có thể tìm thấy nội dung về các mô hình khuếch tán cơ bản, khuếch tán ổn định, tinh chỉnh mô hình khuếch tán, v.v.

Tài nguyên AI sáng tạo bổ sung

Phần thưởng: Chương trình AI sáng tạo toàn diện

Tôi biết đây là rất nhiều khóa học để thực hiện và không hoàn toàn đầy đủ. Đây là lý do tại sao tôi đề xuất chương trình toàn diện về AI sáng tạo này có tên là Chương trình đỉnh cao AI sáng tạo. Chương trình này bao gồm AI tổng quát từ đầu đến cuối. Nó bao gồm các chủ đề như Kỹ thuật nhắc nhở, hệ thống RAG sử dụng LlamaIndex và tinh chỉnh LLM, bao gồm LoRA, QLoRA, PEFT và Khuếch tán ổn định.

Kết luận

Tôi hy vọng bạn thấy danh sách tài nguyên AI sáng tạo này hữu ích và ít nhất bạn đã đăng ký một trong các khóa học ở trên! Tuy nhiên, có rất nhiều khóa học khác mà tôi đã bỏ qua ở đây. Nếu bạn tìm thấy một khóa học có liên quan về Generative AI, hãy chia sẻ nó trong phần bình luận bên dưới. Tôi rất muốn tự mình khám phá điều đó!

Sản phẩm liên quan

Tôi là người yêu thích dữ liệu và tôi thích trích xuất cũng như tìm hiểu các mẫu ẩn trong dữ liệu. Tôi muốn học hỏi và phát triển trong lĩnh vực Học máy và Khoa học dữ liệu.