Ollama：使用無程式碼和 Python 程式碼從初學者到專業人士

Meta Llama 3、Ollama CLI、OpenWebUI、多模式、LangChain、OpenAI 相容性、LlamaIndex 和函數呼叫

從這 7 小時的課程，你會學到

人工智慧基礎
什麼是深度學習？
什麼是神經網絡
大型語言模型 (LLM) 基礎知識
Meta Llama 3.2/3.3 簡介
Llama 與 GPT 對比
Llama 如何處理文本：token/注意力機制
部署策略 – HuggingFace、PyTorch、Ollama、Azure 及示範
深入了解 Ollama
在 Linux / Mac / Docker 模式下安裝 Ollama
Ollama CLI 命令演示
使用 Ollama 和 Llama 建立第一個自訂模型
OpenWebUI – Ollama 模型的 GUI
示範 – 在 VSCode / Colab / Jupyter Notebook 中使用 Ollama
如何在 Ollama 中使用簡單的 Python 程式碼
多模態功能 – 影像分析
LangChain-Ollama-Llama
OpenAI 相容性
結構輸出
工具和 Ollama – 函數呼叫

要求

無需程式設計經驗，我們涵蓋無程式碼和低程式碼方法

課程說明

在本課程「Ollama 揭秘：面向 AI 初學者的無程式碼和 Python 程式碼」中，我們主要使用 Meta Llama 作為基礎大型語言模型 (LLM)。然而，本課程涵蓋的技術和方法並非僅限於 Meta Llama。相同的原理可以無縫應用於其他開源模型，例如 DeepSeek、Qwen 等等。

我們的目標是讓您深入了解如何使用無程式碼工具和 Python 程式設計來操作 LLM，並使您能夠根據自己的特定需求和偏好將這些技能應用於各種模型。

歡迎學習者！在本課程中，您將透過 Meta LLaMA 3 釋放尖端 AI 的力量，這門全面的入門到精通課程將幫助您從入門到精通！無論您是 AI 新手，還是希望深化專業知識，本課程都將提供逐步指南，幫助您使用 Ollama 掌握 Meta 先進的 LLaMA 3 語言模型。 Ollama 是一個直覺的平台，可簡化本地 LLM 的使用。

您將從基礎知識入手，以了解 LLaMA 3 是什麼以及它與其他 AI 模型的差異。逐步深入實踐專案，這些專案將引導您完成設定、微調，並利用其功能進行實際應用。課程結束時，您將能夠自信地使用 LLaMA 3 和 Ollama 構建專案、解決問題，並始終站在 AI 創新的尖端科技。

本課程面向哪些人？
本課程為以下個人設計：

渴望探索 AI 且毫無經驗的初學者。
希望了解並使用高級 AI 模型的技術愛好者。
旨在將 AI 融入個人或專業專案的開發者。

課程內容：

1. AI , Neural Networks & LLM 介紹

1.1 簡介
1.2 什麼是 AI – 人工智慧
1.3 AI、ML 和 DL 各是什麼？相互關係
1.4 什麼是神經網路？
1.5 什麼是 1B/3B – 數十億個參數
1.6 模型基準是什麼？
1.7 什麼是 Transformers?
1.8 什麼是 Embedding?
1.9 什麼是 Quantization?
1.10 什麼是 Context Length of LLM Model?

2. Meta LLaMA 介紹

2.1 標題 – Meta LLaMA 簡介
2.2 Meta LLaMA 介紹
2.3 什麼是 Meta LLaMA?
2.4 LLaMA 的歷史
2.5 LLaMA 3.2 模型( Model )
2.6 LLaMA 3.3 模型( Model )
2.7 LLaMA 與其他 LLMs like GPT 之間的差異
2.8 LLaMA 如何處理文字：標記、嵌入和注意力機制
2.9 人工分析品質指數
2.10 示範：Meta AI 聊天機器人

3. Meta LLaMA 模型的部署策略

3.1 標題 – Meta LLaMA 模型的部署策略
3.2 簡介 – 部署策略
3.3 什麼是 Hugging Face？
3.4 示範：請求 LLaMA 模型的存取權限
3.5 示範：使用 Hugging Face 運行 LLaMA 模型
3.6 什麼是 PyTorch？
3.7 示範：使用 PyTorch 運行 LLaMA 模型
3.8 Ollama
3.9 示範：使用 Ollama 運行 LLaMA 模型
3.10 雲端供應商 (Azure)
3.11 示範：使用 Azure 執行 LLaMA 模型

4. Ollama 簡介

4.1 標題 – Ollama 簡介
4.2 Ollama 簡介
4.3 什麼是 Ollama？
4.4 Ollama 的歷史
4.5 Ollama 的優勢
4.6 Ollama 支援的用例

5. 設定 Ollama

5.1 標題 – 設定 Ollama
5.2 簡介 – 設定 Ollama
5.3 走過了解 Ollama 網站
5.4 Ollama 的系統需求
5.5 Ollama 提供的作業系統支援
5.6 示範: 在 MacOS 安裝 Ollama
5.7 示範: 在 Linux 安裝 Ollama
5.8 示範: 經由 Docker 安裝 Ollama

6. Ollama CLI

6.1 標題 – Ollama CLI
6.2 簡介 – Ollama CLI
6.3 Ollama CLI 概述
6.4 示範: ollama help
6.5 示範: ollama pull
6.6 示範: ollama run
6.7 示範: ollama list
6.8 示範: ollama show
6.9 示範: ollama ps
6.10 示範: ollama cp
6.11 示範: ollama rm

7. Building Your Custom Model with Ollama

7.1 標題 – 使用 Ollama 建立自訂模型
7.2 簡介 – 您自己的自訂模型
7.3 什麼是模型檔？
7.4 示範: 了解模型檔案的內容
7.5 示範: 建立您的自訂模型
7.6 示範: 使用者互動
7.7 示範: 使用 GGUF 檔案建立自訂模型

8. OpenWebUI

8.1 標題 – OpenWebUI
8.2 簡介
8.3 什麼是 OpenWebUI？
8.4 示範：下載 Docker Desktop
8.5 示範：執行 Docker 指令安裝 OpenWebUI
8.6 示範：開啟 Web 瀏覽器並使用聊天機器人

9. Using Various IDEs

9.1 標題 – 使用各種 IDE
9.2 簡介 – 使用各種 IDE 運行 Ollama
9.3 使用 Jupyter Notebook 設定 Ollama
9.4 使用 Visual Studio Code 設定 Ollama
9.5 示範：運行 Python 範例程式碼
9.6 使用 Google Colab 設定 Ollama
9.7 示範：在 Colab 中運行 Python 範例程式碼ython Code in Colab

10. Ollama 中的簡單 Python 程式碼

10.1 標題 – Ollama 中的簡單 Python 程式碼
10.2 簡介 – 簡單 Python 程式碼
10.3 示範：使用 GitHub Copilot 設定環境
10.4 示範：使用 ollama.generate
10.5 示範：列印所需文件(artifacts)
10.6 示範：使用 ChatOllama
10.7 示範：使用 Ollama 進行串流傳輸
10.8 示範：使用自訂客戶端運行 Ollama
10.9 示範：在 Ollama 中建立嵌入

11. Ollama 與多模態

11.1 標題 – Ollama 與多模態
11.2 簡介 – 多模態模型
11.3 什麼是 Meta LLaMA 3.2 視覺模型？
11.4 示範：在 Ollama 中建立嵌入

12. LangChain 與 Ollama 和 LLaMA

12.1 標題 – LangChain 與 Ollama 和 LLaMA
12.2 簡介 – Ollama 和 LangChain
12.3 什麼是 LangChain？
12.4 Ollama 與 LangChain – ChatOllama
12.5 示範：LangChain 工作環境搭建
12.6 示範 : 使用 Ollama 和 LangChain 編寫的簡單 Python 程式碼
12.7 示範：展示 LangChain 中的連結概念
12.8 示範：提升鏈結( Chaining )級別，將輸出轉換為字串

13. Ollama & OpenAI 相容性

13.1 標題 – Ollama 與 OpenAI 相容性
13.2 簡介 – Ollama 與 OpenAI 相容性
13.3 什麼是 OpenAI？
13.4 Ollama 與 OpenAI 相容性是什麼？
13.5 示範：如何讓相同的程式碼在 Ollama 上運行

14. 取得結構化輸出

14.1 標題 – 取得結構化輸出
14.2 結構化輸出簡介
14.3 Ollama 的結構化輸出是什麼？
14.4 示範：結構化輸出的 Python 程式碼
14.5示範：從圖片中取得 JSON 格式物件的 Python 程式碼

15. LLaMA 和 Ollama 中的工具

15.1 標題 – LLaMA 和 Ollama 中的工具
15.2 工具簡介
15.3 Ollama 中的工具有哪些？
15.4 示範：了解工作流程
15.5 示範：在 OpenWeatherMap 中建立 API 金鑰
15.6 示範：使用工具和函數呼叫

目標受眾

生成式人工智慧初學者
Meta Llama 初學者
Ollama 初學者
希望透過 Llama 學習 Ollama 的愛好者
希望了解並觀看 Ollama Python Library 演示的專業人士

講師簡介

Kshitij Joy (Cloud Alchemy) 通用人工智慧和雲端技術導師

大家好，我是 Kshitij Joy，一位充滿熱情的教育家、顧問和生成式人工智慧、Microsoft Azure 和企業 AI 解決方案領域的主題專家 (SME)。我擁有 20 多年在全球企業擔任雲端架構師和 Oracle 資料庫顧問的經驗，專注於幫助企業建立可擴展、可立即投入生產的解決方案，並運用 OpenAI、Azure AI、Azure AI Search 以及基於代理的框架（例如 LangChain 和 LlamaIndex）等尖端技術。

身為 Cloud Alchemy Academy 的創辦人，我透過實作操作的 Udemy 課程（包括「生成式人工智慧：從 OpenAI 和 Azure OpenAI 的初學者到專業人士」）和「Meta LLaMA 3」等課程，培訓了數千名專業人士。