内容 隐藏
1 生成式 AI：构建和部署LLM聊天机器人
2 Generative AI: Build and Deploy a LLM Chatbot
2.1 学习内容
2.2 要求
2.3 描述
2.4 本课程适合谁：

生成式 AI：构建和部署LLM聊天机器人

Generative AI: Build and Deploy a LLM Chatbot

构建和部署基于LLM聊天机器人，以使用您的私有数据集回答问题。

 学习内容

  • 构建和部署LLM聊天机器人以使用您的私有数据集回答问题。
  • 深入了解LLMs及其用例。
  • 了解微调与 RAG 方法之间的区别。
  • 额外：了解如何在数据收集步骤中以编程方式转录视频和音频！
  • 端到端聊天机器人构建：包括 RAG 管道的所有组件，并解释如何提高每个组件的准确性。

 要求

  • 对 Python 和数据科学概念的中高级理解。作为初学者也可以随意尝试一下，并在此过程中提出问题！

 描述

构建和部署基于 LLM的聊天机器人，使用您的私有数据集回答问题！

为了构建，我们将在 Amazon Bedrock 和 Langchain LLM 上使用 Anthropic 的 Claude 2，并实现 RAG。我还将向您展示使用其他LLMs（OpenAI 的 ChatGPT、GPT-4 等）代替 Claude 2 的代码，以及使用其他嵌入模型代替 Amazon Titan 文本嵌入的代码。要部署，我们将使用 Gradio。

这是可在组织内使用的聊天机器人解决方案的端到端构建。使用此生成式 AI 解决方案来改进整个组织的工作，例如;加强客户支持，简化信息检索，协助培训和入职新员工，促进数据驱动的决策，为客户和客户定制见解，并实现高效的知识共享。

我还介绍了数据收集步骤中的程序化音频/视频转录。这可以应用于聊天机器人之外的组织内的其他用例。例如，转录音频/视频内容以构建内容推荐模型等。

本课程最适合那些对 Python 和数据科学有中高级理解的人。对于更多的初学者级别，请随时潜入并在此过程中提出问题。 希望你们都喜欢这门课程，并从这个项目中获得乐趣！

本课程适合谁：

  • 适用于具有中高级 Python/数据科学经验的人。作为初学者也可以随意尝试一下，并在此过程中提出问题！
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。