Maison > Périphériques technologiques > IA > le corps du texte

Les trois nouveaux cours d'Andrew Ng sont publiés consécutivement, vous apprenant étape par étape comment créer des applications à l'aide de l'API ChatGPT.

王林
Libérer: 2023-06-03 18:23:52
avant
1375 Les gens l'ont consulté

Andrew Ng a de nouveau envoyé de bonnes nouvelles à la communauté IA.

Aujourd'hui, Andrew Ng a annoncé sur Twitter que trois nouveaux cours d'IA générative sont en ligne.

吴恩达新课三连发,手把手教你用ChatGPT API构建应用

Ces trois cours comprennent -

1. Construire un système à l'aide de l'API ChatGPT d'OpenAI : avec ce cours, allez au-delà d'une seule invite et découvrez les subtilités de la création d'un LLM à l'aide de plusieurs applications d'appels d'API. . Dans le même temps, vous apprendrez à évaluer les résultats de LLM pour garantir la sécurité et la précision, et à conduire des améliorations itératives.

吴恩达新课三连发,手把手教你用ChatGPT API构建应用

2. LangChain pour le développement d'applications LLM : en apprenant ce puissant outil open source, vous pouvez créer des applications qui utilisent LLM, y compris la mémoire du chatbot, la réponse aux questions sur les documents et la prise de décision. Quelles actions entreprendre pour un agent LLM.

吴恩达新课三连发,手把手教你用ChatGPT API构建应用

3. Comment fonctionnent les modèles de diffusion : Ce cours vous permet d'apprendre les détails techniques des modèles de diffusion, qui prennent en charge Midjourney, DALL·E 2 et Stable Diffusion. Vous pouvez également générer votre propre code Jupyter fonctionnel pour les sprites de jeux vidéo.

吴恩达新课三连发,手把手教你用ChatGPT API构建应用

Notez que ces cours sont gratuits pour une durée limitée et que chaque cours dure 1 à 1,5 heures.

Créer un système à l'aide de l'API ChatGPT

Dans ce cours, vous pouvez apprendre à automatiser des flux de travail complexes en appelant en continu de grands modèles de langage.

吴恩达新课三连发,手把手教你用ChatGPT API构建应用

Le contenu comprend :

· Créez des chaînes d'invites qui interagissent avec les invites précédentes.

· Créez du code Python pour interagir avec les systèmes d'invite existants et nouveaux.

· Créez un chatbot de service client en utilisant les techniques du cours.

Ces compétences peuvent être appliquées à des scénarios du monde réel, notamment la classification des requêtes des utilisateurs en réponses pour les agents de chat, l'évaluation de la sécurité des requêtes des utilisateurs et le traitement des tâches pour l'enchaînement de pensées et le raisonnement en plusieurs étapes.

Parmi eux, des exemples pratiques facilitent la compréhension des concepts, tandis que le Jupyter Notebook intégré vous permet d'expérimenter en toute transparence le code et les laboratoires présentés dans le cours.

Ce cours convient aux débutants qui ont une compréhension de base de Python. Il convient également aux ingénieurs en apprentissage automatique intermédiaires et avancés qui souhaitent acquérir les compétences de pointe en ingénierie rapide de LLM.

LangChain pour le développement d'applications LLM

Dans ce cours, apprenez les compétences de base pour utiliser le framework LangChain pour étendre les cas d'utilisation et les fonctionnalités des modèles de langage dans le développement d'applications.

Comprend spécifiquement :

· Modèles, astuces et analyseurs : appeler LLM, fournir des astuces et analyser les réponses

· Mémoire de LLM : mémoire pour stocker les dialogues et gérer un espace contextuel limité

· Chaînes : Création de séquences d'opérations

· Questions et réponses sur la documentation : application du LLM à vos données propriétaires et aux exigences de votre cas d'utilisation

· Agents : Explorer le puissant développement du LLM en tant qu'agent d'inférence

À la fin du cours, vous disposerez d'un modèle qui pourra servir de point de départ à votre propre exploration des modèles de diffusion appliqués.

Ce cours vous aidera grandement à élargir les possibilités d'exploitation de modèles de langage puissants, et en quelques heures, vous pourrez créer des applications incroyables.

Ce cours convient aux débutants, qui n'ont besoin que de maîtriser les connaissances de base de Python.

Comment fonctionnent les modèles de diffusion

Dans cette leçon départementale, vous pourrez acquérir une compréhension approfondie du processus de diffusion et des modèles qui l'exécutent.

吴恩达新课三连发,手把手教你用ChatGPT API构建应用

Ce cours va au-delà de la simple introduction d'un modèle pré-construit ou de l'utilisation de l'API, il vous apprend à créer un modèle de diffusion à partir de zéro.

Comprend spécifiquement :

· Explorez le monde de pointe de l'IA générative basée sur la diffusion et créez votre propre modèle de diffusion à partir de zéro.

· Obtenez des informations sur les modèles de processus de diffusion et de pilotage des processus, allant au-delà des modèles et des API prédéfinis.

· Acquérir des compétences pratiques en codage grâce à l'échantillonnage en laboratoire, à la formation de modèles de diffusion, à la création de réseaux neuronaux pour la prédiction du bruit et à l'ajout de contexte pour la génération d'images personnalisées.

À la fin du cours, vous disposerez d'un modèle qui pourra servir de point de départ à votre propre exploration de l'application de modèles de diffusion.

Parmi eux, des exemples pratiques facilitent la compréhension des concepts, tandis que le Jupyter Notebook intégré vous permet d'expérimenter en toute transparence le code et les laboratoires présentés dans le cours.

Il s'agit d'un cours de niveau intermédiaire et nécessite des connaissances en Python, Tensorflow ou Pytorch.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Étiquettes associées:
source:51cto.com
Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn
Tutoriels populaires
Plus>
Derniers téléchargements
Plus>
effets Web
Code source du site Web
Matériel du site Web
Modèle frontal