应用生成式人工智能和自然语言处理

Applied Generative AI and Natural Language Processing

了解生成式 AI、提示工程、拥抱面模型、LLMs向量数据库、RAG、OpenAI、Claude、Llama2

 学习内容

  • 自然语言处理 (NLP) 介绍
  • 基于 Hugging Face 模型的模型实现
  • 与 OpenAI 合作
  • 向量数据库
  • 多模态向量数据库
  • 检索增强生成 (RAG)
  • 现实世界的应用和案例研究
  • 实现零样本分类、文本分类、文本生成
  • 模型微调
  • 数据增强
  • 提示工程
  • 零样本提示
  • 少样本提示
  • 思维链 (少样本思维链,零样本思维链)
  • 自一致性思维链
  • 提示链
  • 思维树
  • 自我反馈
  • 自我批评
  • Claude 3
  • 开源模型,例如 LLama 2, Mistral

 

 要求

  •  Python 基础知识
  • 关于深度学习工作原理的基本知识

 描述

加入我的自然语言处理 (NLP) 综合课程。该课程专为初学者和经验丰富的专业人士设计。本课程是您释放 NLP 和生成式 AI 在解决现实世界挑战方面的巨大潜力的门户。它涵盖了广泛的不同主题,并带您快速实施 NLP 解决方案。

 课程亮点:

  •  NLP-简介

    • 深入了解管理自然语言处理及其应用的基本原则。

    •  NLP基础

    •  单词嵌入

    •  变形金刚

  • 将 Huggingface 应用于预训练网络

    • 了解 Huggingface 模型以及如何将它们应用于您的需求

  •  模型微调

    • 有时预训练的网络是不够的,因此您需要在特定任务和/或数据集上微调现有模型。在本节中,您将学习如何操作。

  •  矢量数据库

    • 矢量数据库使从文本中查询信息变得简单。您将了解它们的工作原理以及如何实现向量数据库。

    •  代币化

    • 使用 ChromaDB 实现 Vector DB

    •  多模态矢量数据库

  • OpenAI API

    • OpenAI 和 ChatGPT 为 NLP 提供了一个非常强大的工具。您将学习如何通过 Python 使用它并将其集成到您的工作流程中。

  •  提示工程

    • 学习创建高效提示的策略

  • 高级提示工程

    •  少镜头提示

    •  思维链

    • 自洽思维链

    •  提示链接

    •  反射

    •  思想树

    •  自我反馈

    •  自我批判

  • 检索增强生成

    •  RAG理论

    •  实施 RAG

  • 顶点项目“聊天机器人”

    • 创建一个聊天机器人来“聊天”PDF文档

    • 为聊天机器人创建 Web 应用程序

  •  开源 LLMs

    • 了解如何使用开源LLMs

    •  Meta Llama 2(梅塔骆驼2号酒店)

    •  米斯特拉尔 米斯特拉尔

  •  数据增强

    • NLP数据增强的理论与方法

    • 数据增强的实施

  •  其他

    •  克劳德 3

    •  工具和LLM功能

本课程适合谁:

  • 想要应用 NLP 模型的开发人员
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。