آموزش تسلط بر مدل های زبان بزرگ با Cohere API

دانلود Mastering Large Language Models with the Cohere API

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: دنیای هوش مصنوعی همچنان در حال تغییر است، زیرا توسعه‌دهندگان و دانشمندان داده راه‌های جدید و بهتری برای ایجاد مدل‌های زبان بزرگ (LLM) پیدا می‌کنند که به درخواست‌ها به طور کارآمد و مؤثر پاسخ می‌دهند. Cohere به توسعه دهندگان امکان دسترسی به مجموعه قدرتمندی از LLM ها و سه مدل - Command، Rerank و Embed را می دهد که به شما امکان می دهد سیستم های جستجو، خلاصه و مکالمه قدرتمندی بسازید. در این دوره آموزشی در مورد Cohere API و نحوه ادغام آن با رویکردهای نسل افزوده بازیابی که به شما امکان می‌دهد برنامه‌های هوش مصنوعی قدرتمند بسازید، بیاموزید.

سرفصل ها و درس ها

مقدمه Introduction

  • فایل ها را تمرین کنید و محیط خود را تنظیم کنید Exercise files and setting up your environment

  • قدرت کوهر The power of Cohere

  • آنچه شما باید بدانید What you should know

1. مقدمه ای بر مدل های زبان بزرگ و منسجم 1. Introduction to Large Language Models and Cohere

  • مدل‌های بنیادی Cohere: Command، Rerank و Embed Cohere’s foundational models: Command, Rerank, and Embed

  • مروری بر پلت فرم Cohere Overview of the Cohere platform

  • مدل های زبان بزرگ چیست؟ What are large language models

2. تکنیک های پیشرفته تولید متن 2. Advanced Text Generation Techniques

  • ایجاد پاسخ های ساده با جریان Generating simple responses with streaming

  • مدیریت مکالمات چند پیامی و استفاده از ابزار Managing multi-message conversations and tool use

  • مقدمه ای بر Cohere Chat API Introduction to the Cohere Chat API

3. ساخت عوامل مکالمه و سیستم های RAG 3. Building Conversational Agents and RAG Systems

  • مروری بر نسل افزوده بازیابی (RAG). Retrieval-augmented generation (RAG) overview

  • اتصالات و داده های خارجی برای مکالمات زمینی Connectors and external data for grounded conversations

  • طراحی برنامه های RAG با Command و Chat API Designing RAG applications with the Command and Chat APIs

4. جستجوی معنایی و طبقه بندی 4. Semantic Search and Classification

  • ساخت برنامه های کاربردی با پرس و جو و رتبه بندی مجدد نقاط پایانی Building applications with query and rerank endpoints

  • جستجوی معنایی و بررسی اجمالی طبقه بندی Semantic search and classification overview

  • بازیابی متراکم و رتبه بندی مجدد Dense retrieval and reranking

نتیجه گیری Conclusion

  • مراحل بعدی در ساخت برنامه های LLM Next steps in building LLM applications

نمایش نظرات

آموزش تسلط بر مدل های زبان بزرگ با Cohere API
جزییات دوره
0h 42m
16
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
94
- از 5
ندارد
دارد
دارد
Nayan Saxena
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Nayan Saxena Nayan Saxena

نایان ساکسنا یک آمارشناس و متخصص یادگیری عمیق است.

نایان سهم قابل توجهی در هوش مصنوعی مولد داشته است، صنایع مختلف را تحت تاثیر قرار داده و مخاطبان زیادی را جذب کرده است. دانش آموخته دانشگاه تورنتو، تخصص او در هوش مصنوعی به عنوان یک کاتالیزور برای غول هایی مانند رویال بانک کانادا، بل کانادا، Wombo.ai، Glowforge و غیره عمل کرده است. نایان همچنین به عنوان یک محقق یادگیری ماشین، با مقالات متعددی که توسط رسانه های پیشرو در مورد موضوعاتی از یادگیری ماشین و هوش مصنوعی گرفته تا علوم شناختی محاسباتی منتشر شده است، بسیار مفید بوده است. او همچنان به راهنمایی و آموزش طیف متنوعی از دانش آموزان برای پرورش نسل بعدی استعدادهای هوش مصنوعی ادامه می دهد.