運用 LLMs 動手建構 AI 代理

透過動手編寫程式碼,掌握高級推理、編碼助理、研究助理等的 LLM Agents (代理)

從這 6.5 小時的課程,你會學到

  • 了解 LLM 提示輸出、LLM 鏈、檢索增強生成 (RAG) 和 LLM 代理程式之間的主要差異。
  • 列出並解釋 LLM Agent 的主要元件,包括工具、記憶體和規劃機制
  • 利用複雜的任務規劃和反思方法來增強 LLM 代理的功能和效率
  • 創建並實施記憶機制,使 LLM 代理能夠隨著時間的推移維持互動和學習。
  • 結合不同的工具來擴展和增強 LLM 代理的功能。
  • 組合組件以創建複雜的代理,例如研究助理、編碼助理、推薦代理和代理 RAG。
  • 參與 15 個互動式編寫程式碼教程,這些教程逐步建立概念,提供實踐經驗和更深入的理解。

要求

  • 基本的Python程式設計經驗
  • 對生成式人工智慧(Generative AI l,如 LLMs、寫作 prompts 等)的基本了解

課程說明

透過我們的 LLM 代理綜合課程釋放 LLM (大型語言模型)的力量!

透過我們的實作課程深入了解 LLM 代理的世界,該課程旨在引導你從基礎知識到建立複雜的代理系統( agent systems )。無論你是人工智慧( AI )愛好者、開發人員還是技術專業人士,本課程都將提供你創建強大的人工智慧驅動代理的知識和技能。

你將學到什麼:

代理系統( Agent Systems )基礎:了解代理系統的核心元件,包括工具、記憶體和規劃。

動手編碼:透過互動式程式碼筆記本探索每個概念,為您提供實務經驗和更深入的見解。

高級代理開發:使用真實範例和場景建立複雜的代理,例如研究助理、編碼助理、推薦代理和代理 RAG。

實際應用:了解如何在各個領域應用這些代理,從而提高專案的生產力和創新。

課程亮點:

15 個互動式程式碼筆記本:每本筆記本都旨在將複雜的概念分解為易於管理和理解的部分,使學習變得有吸引力和有效。

逐步指導:遵循詳細的說明和解釋,確保你在繼續之前掌握每個概念。

真實世界範例:了解如何應用這些代理程式來解決實際問題,讓你有信心在自己的工作中實施這些解決方案。

社區支持:加入不斷成長的學習者和專家社區,你可以在其中分享想法、提出問題並協作專案。

在本課程結束時,你將對 LLM 代理有深入的了解,並能夠為各種應用程式創建你自己的自訂代理程式。無論你是想提升自己的職業生涯、開始一個新專案,還是只是滿足你對 AI 的好奇心,本課程都是你掌握 LLM 代理的閘門。

立即註冊,運用 LLM Agents 開啟你的人工智慧 ( AI )未來之旅!

目標受眾

  • 有抱負的人工智慧專家尋求理解和利用 LLMs 的力量
  • 希望透過生成式人工智慧驅動的應用程式進行創新的軟體開發人員
  • 資料科學家旨在將他們的專業知識擴展到人工智慧代理( AI Agent )設計
  • 技術人員對生成式人工智慧在實用工具和服務中的整合感到好奇

講師簡介

Priyanka Dwivedi 經驗豐富的 AI 顧問

我是一位經驗豐富的人工智慧顧問和企業家,在將深度學習和 NLP 應用於各種領域和挑戰方面擁有超過 10 年的經驗。我也是一位狂熱的部落客,在 Medium 上擁有超過 10K 的追蹤者。我喜歡使用機器學習/人工智慧解決複雜問題並透過寫作來幫助他人。

在過去的幾年裡,我對生成人工智慧的進展著迷,並有機會透過許多專案實踐來學習。我創建了這門課程,以便其他人可以學習如何建立更複雜的 LLM 應用程式。

我擁有 Georgia Tech 理工學院電腦科學碩士學位和 Stanford 大學人工智慧研究生證書

字幕:英文

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

  • Udemy 永久擁有課程 NT310 起特價中(點擊連結看更多)
  • 年訂閱每月 NT350 🌈 悠遊 Udemy 的 26000+ 門課,最大化學習 ( 原價 NT635/月 )
  • Udemy 現在越來越多課程有中文字幕,請參考 Soft & Share 中文線上課程
  • 手機上點選優惠連結看到的價格比電腦上看到的貴
  • $代表當地貨幣, 如在台灣為 NT
  • 點選”報名參加課程”有可能因瀏覽器 cookies 轉久一點或回報錯誤而無法連上,請稍等刷新或重新點選就會出現

報名參加課程

Sponsored by Udemy


也許你會有興趣

不受 FB 演算法影響,歡迎透過 e-mail 訂閱網站更新

Comments are closed.

由 WordPress.com 建置.

Up ↑

探索更多來自 Soft & Share 的內容

立即訂閱即可持續閱讀,還能取得所有封存文章。

Continue reading