【原】吳恩達(dá)最新短課，大模型系列

大家好，我是老章

吳恩達(dá)的課都是經(jīng)典中的經(jīng)典，尤其是機(jī)器學(xué)習(xí)系列，更是很多人的機(jī)器學(xué)習(xí)啟蒙、入門必備。

吳恩達(dá)創(chuàng)辦的最近更新了一系列大模型相關(guān)的短課，每節(jié)課差不多都是一個(gè)多小時(shí)都可以學(xué)完。

雖然都是合作視頻，不是吳老師親自授課，但這些短課質(zhì)量也都很高，教學(xué)風(fēng)格很有吳老師的影子。

這里推薦幾個(gè)，感興趣的同學(xué)可以挑著學(xué)起來(lái)。

如果集中時(shí)間，其實(shí)很快就學(xué)完了。

吳恩達(dá)新課《Generative Al for Everyone》，1.25倍速刷完了

unsetunsetGetting Started With Mistralunsetunset

地址：https://www./short-courses/getting-started-with-mistral/

簡(jiǎn)介：

學(xué)習(xí)如何以及何時(shí)使用Mistral AI的領(lǐng)先大型語(yǔ)言模型（LLM）

探索Mistral的三個(gè)開(kāi)源模型（Mistral 7B、Mixtral 8x7B和最新的Mixtral 8x22B），以及三個(gè)商業(yè)模型（小型、中型和大型），Mistral通過(guò)Web界面和API調(diào)用提供訪問(wèn)。

利用Mistral的JSON模式生成結(jié)構(gòu)化的JSON格式的LLM響應(yīng)，使得LLM輸出可以集成到更大的軟件應(yīng)用中。

使用Mistral的API調(diào)用用戶定義的Python函數(shù)來(lái)執(zhí)行任務(wù)，如網(wǎng)頁(yè)搜索或從數(shù)據(jù)庫(kù)檢索文本，增強(qiáng)LLM尋找相關(guān)信息以回答用戶查詢的能力。

unsetunsetQuantization Fundamentals with Hugging Faceunsetunset

地址：https://www./short-courses/quantization-fundamentals-with-hugging-face/

簡(jiǎn)介：

生成式AI模型，如大型語(yǔ)言模型，往往超出了消費(fèi)級(jí)硬件的能力，并且運(yùn)行成本昂貴。通過(guò)量化等方法壓縮模型，可以使它們更高效、更快速、更易于訪問(wèn)。這使得它們可以在各種設(shè)備上運(yùn)行，包括智能手機(jī)、個(gè)人電腦和邊緣設(shè)備，并最小化性能退化。

參加此課程以：

使用Quanto庫(kù)通過(guò)線性量化量化任何開(kāi)源模型。獲取線性量化實(shí)施概述。這種形式的量化可以應(yīng)用于壓縮任何模型，包括LLMs、視覺(jué)模型等。應(yīng)用“下降轉(zhuǎn)換”，另一種量化形式，通過(guò)Transformers庫(kù)實(shí)現(xiàn)，這使您能夠以大約一半的正常大小加載模型，數(shù)據(jù)類型為BFloat16。

unsetunsetJavaScript RAG Web Apps with LlamaIndexunsetunset

地址：https://www./short-courses/preprocessing-unstructured-data-for-llm-applications/

簡(jiǎn)介：

構(gòu)建一個(gè)全棧Web應(yīng)用程序，使用檢索增強(qiáng)生成（RAG）功能與您的數(shù)據(jù)聊天。

學(xué)習(xí)如何在JavaScript中構(gòu)建一個(gè)RAG應(yīng)用程序，并使用一個(gè)智能代理，它能夠識(shí)別并從多個(gè)數(shù)據(jù)源中選擇以回答您的查詢。構(gòu)建一個(gè)具有交互式前端組件的全棧Web應(yīng)用程序，該組件可以與您的數(shù)據(jù)進(jìn)行交互和聊天。學(xué)習(xí)如何持久化您的數(shù)據(jù)，啟用與數(shù)據(jù)的聊天，并實(shí)現(xiàn)流式響應(yīng)，所有這些都使用create-llama命令行工具實(shí)現(xiàn)。

unsetunsetPreprocessing Unstructured Data for LLM Applicationsunsetunset

地址：https://www./short-courses/preprocessing-unstructured-data-for-llm-applications/

簡(jiǎn)介：

《預(yù)處理非結(jié)構(gòu)化數(shù)據(jù)以用于大型語(yǔ)言模型（LLM）應(yīng)用 》

提升您的檢索增強(qiáng)生成（RAG）系統(tǒng)以檢索多種數(shù)據(jù)類型

學(xué)習(xí)從多種文檔類型中提取和規(guī)范化內(nèi)容，例如PDF、PowerPoint、Word和HTML文件、表格和圖片，以擴(kuò)展您的LLM可訪問(wèn)的信息。

通過(guò)元數(shù)據(jù)豐富您的內(nèi)容，增強(qiáng)檢索增強(qiáng)生成（RAG）結(jié)果，并支持更細(xì)致的搜索能力。

探索文檔圖像分析技術(shù)，如布局檢測(cè)、視覺(jué)和表格變換器，學(xué)習(xí)如何將這些方法應(yīng)用于預(yù)處理PDF、圖片和表格。

Knowledge Graphs for RAG

地址：https://www./short-courses/preprocessing-unstructured-data-for-llm-applications/

簡(jiǎn)介：知識(shí)圖譜用于檢索增強(qiáng)生成（RAG）

學(xué)習(xí)如何構(gòu)建和使用知識(shí)圖譜系統(tǒng)，以改善您的檢索增強(qiáng)生成應(yīng)用。

使用Neo4j的查詢語(yǔ)言Cypher來(lái)管理和檢索存儲(chǔ)在知識(shí)圖譜中的數(shù)據(jù)。

編寫知識(shí)圖譜查詢，找到并格式化文本數(shù)據(jù)，為檢索增強(qiáng)生成的大型語(yǔ)言模型（LLM）提供更相關(guān)的上下文。

使用Neo4j和LangChain構(gòu)建一個(gè)問(wèn)答系統(tǒng)，與結(jié)構(gòu)化文本文檔的知識(shí)圖譜進(jìn)行對(duì)話。

unsetunsetBuilding Applications with Vector Databasesunsetunset

地址：https://www./short-courses/building-applications-vector-databases/

簡(jiǎn)介：

使用向量數(shù)據(jù)庫(kù)構(gòu)建應(yīng)用程序

學(xué)習(xí)如何構(gòu)建六種由向量數(shù)據(jù)庫(kù)驅(qū)動(dòng)的應(yīng)用程序：語(yǔ)義搜索、檢索增強(qiáng)生成（RAG）、異常檢測(cè)、混合搜索、圖像相似度搜索和推薦系統(tǒng)，每種使用不同的數(shù)據(jù)集。

學(xué)習(xí)創(chuàng)建六種令人興奮的向量數(shù)據(jù)庫(kù)應(yīng)用程序，并使用Pinecone來(lái)實(shí)現(xiàn)它們。

構(gòu)建一個(gè)混合搜索應(yīng)用程序，結(jié)合文本和圖像以改進(jìn)多模態(tài)搜索結(jié)果。

學(xué)習(xí)如何構(gòu)建一個(gè)衡量和排名面部相似度的應(yīng)用程序。