Contents
Coursera 創始人, 前 Google Brain 負責人 Andrew NG 的 DeepLearning.AI 為 Generative AI 開了幾門短課，這幾門課將幫助您的生成式 AI 技能提升到一個新的水平。目前有四門課，限時免費中，找些時間一一聽完吧 ~
使用 ChatGPT API 建構系統 ( 與 OpenAI 合作 )
升級您對 LLM 的使用。學習分解複雜任務、自動化工作流程、鏈接 LLM 調用並獲得更好的輸出。
您將學習如何使用對大型語言模型的鏈式呼叫( chain calls )來自動化複雜的工作流程。 在這個全新的短期課程中解鎖新的開發能力並提高您的效率。
您將建構：
- 與先前提示( prompts )的完成互動的提示鏈( chains of prompts )。
- Python 程式碼與完成和新提示互動的系統。
- 使用本課程中所有技術的客服聊天機器人。
您將學習如何將這些技能應用到實際場景中，包括將用戶查詢分類為聊天代理( chat agent )的響應、評估用戶查詢的安全性，以及處理任務以進行思路鏈( chain-of-thought )、多步推理。
先修: 基礎 Python
給開發人員的 ChatGPT 提示工程( Prompt Engineering )
超越聊天箱( chat box )。使用 API 訪問將 LLM 用於您自己的應用程式，並學習建構自訂的聊天機器人。
您將學習如何使用大型語言模型 (LLM) 快速構建功能強大的新應用程式。 使用 OpenAI API，您將能夠快速構建學習創新和創造價值的能力，而這在以前是成本高昂、技術含量高或根本不可能的。 這個由 Isa Fulford (OpenAI) 和 Andrew Ng (DeepLearning.AI) 教授的短期課程將描述 LLM 的工作原理，提供即時工程的最佳實踐，並展示 LLM API 如何用於各種任務的應用程式，包括：
- 總結（例如，為簡潔起見總結用戶評論）
- 推斷（例如，情感分類、主題提取）
- 轉換文本（例如，翻譯、拼寫和語法更正）
- 擴展（例如，自動編寫電子郵件）
此外，您將學習編寫有效提示的兩個關鍵原則，即如何系統地設計好的提示，並學習建構自訂的聊天機器人。所有概念都通過大量示例進行說明，您可以直接在我們的 Jupyter notebook 環境中使用這些示例，以獲得快速工程的實踐經驗
參加條件: 基礎 Python
開箱即用的 LLM 框架。學習使用 LangChain 將 LLM 調用到新的環境中，並使用記憶、鏈和代理來承擔新的複雜任務。
您將獲得使用 LangChain 框架擴展應用程式開發中語言模型的用例和功能的基本技能。
在本課程中，您將學習並獲得以下主題的經驗：
- 模型、提示和解析器：呼叫 LLM、提供提示和解析響應
- LLM 的記憶：存儲對話和管理有限上下文空間的記憶
- 鏈( chains )：創建操作序列
- 文件上的問答：將 LLM 應用於您的專有資料和用例需求
- 代理人：探索 LLM 作為推理代理人的強大新興發展。
在課程結束時，您將擁有一個模型，可以作為您自己探索應用程式擴散模型的起點。
參加條件: 基礎 Python
從頭開始學習和建構 diffusion models (擴散模型)。從純噪聲圖像開始，到達最終圖像，在沿途的每一步學習和建立直覺。
您將深入了解擴散過程和執行該過程的模型。 本課程不僅僅是簡單地引入預建模型或使用 API，還將教您從頭開始構建擴散模型。
在本課程中，您將：
- 探索基於擴散的生成式 AI ( diffusion-based generative AI ) 的尖端世界，並從頭開始創建您自己的擴散模型。
- 深入了解擴散過程和驅動它的模型，超越預建模型和 API。
- 通過在實驗室進行採樣、訓練 diffusion models (擴散模型)、建構用於噪聲預測的神經網路以及為個性化圖像生成添加上下文，獲得實用的程式技能。
在課程結束時，您將擁有一個模型，可以作為您自己探索應用程式 diffusion models (擴散模型)的起點。
參加條件: Python, Tensorflow, 或 Pytorch
你必須登入才能發表留言。