Master Vertex AI: استفاده از LLM با API Text-Embeddings
Master Vertex AI: Leveraging LLMs with Text-Embeddings API
قفل کامل پتانسیل Google Cloud Vertex AI را با دوره جامع ما، "Master Google Cloud Vertex AI: Harness LLMs Text-Embeddings API" باز کنید. این دوره که برای علاقه مندان به هوش مصنوعی، دانشمندان داده و توسعه دهندگان طراحی شده است، شما را با مهارت ها و دانش برای ساخت راه حل های پیشرفته هوش مصنوعی با استفاده از ابزارهای پیشرفته مانند مدل های زبان بزرگ (LLM) و Text-Embeddings API مجهز می کند. چه به دنبال بهبود پروژه های هوش مصنوعی فعلی خود باشید و چه به دنبال سرمایه گذاری های جدید و نوآورانه باشید، این دوره همه چیزهایی را که برای موفقیت نیاز دارید ارائه می دهد.
آنچه یاد خواهید گرفت:
مقدمه‌ای بر Google Cloud Vertex AI : درک عمیقی از Vertex AI، از جمله معماری، ویژگی‌های کلیدی و نحوه ادغام آن با اکوسیستم گسترده‌تر Google Cloud به دست آورید.
کار با مدل‌های زبان بزرگ (LLM): بیاموزید که چگونه از LLMهای از پیش آموزش‌دیده در Vertex AI برای انجام طیف گسترده‌ای از وظایف NLP، از تولید متن تا تحلیل احساسات استفاده کنید.
تسلط بر Text-Embeddings API : نحوه استفاده از Text-Embeddings API برای ایجاد جاسازی های قدرتمند برای بازیابی اسناد، پاسخگویی به سوالات و موارد دیگر را کشف کنید. نحوه بهینه سازی جاسازی ها را برای موارد استفاده خاص برای بهبود عملکرد مدل های هوش مصنوعی خود بدانید.
ساخت راه‌حل‌های پیشرفته هوش مصنوعی: راهنمایی گام به گام در مورد ایجاد برنامه‌های کاربردی پیشرفته هوش مصنوعی، از جمله سیستم‌های Retrieval-Augmented Generation (RAG)، توصیه‌های شخصی‌سازی شده، و موارد دیگر که همگی توسط Vertex AI و Google Cloud پشتیبانی می‌شوند.
مطالعات موردی در دنیای واقعی: کاربردهای دنیای واقعی Vertex AI و Text-Embeddings API در صنایع مختلف را کاوش کنید و درک کنید که چگونه این بینش ها را در پروژه های خود اعمال کنید.
پروژه‌ها و تمرین‌های عملی: مهارت‌های خود را با پروژه‌های عملی که سناریوهای دنیای واقعی را شبیه‌سازی می‌کنند، به‌کار ببرید. راه‌حل‌های هوش مصنوعی را بسازید و آزمایش کنید که می‌تواند مستقیماً در کار یا تجارت شما اعمال شود.
چرا در این دوره شرکت کنیم؟
در پایان این دوره، در استفاده از Google Cloud Vertex AI و ابزارهای پیشرفته آن برای ساخت راه‌حل‌های هوش مصنوعی قدرتمند که بسیار کارآمد هستند، مهارت خواهید داشت. چه یک متخصص هوش مصنوعی باشید که به دنبال افزایش مهارت خود هستید یا توسعه‌دهنده‌ای که می‌خواهید جدیدترین فناوری‌های هوش مصنوعی را کشف کنید، این دوره به شما این امکان را می‌دهد که پروژه‌های هوش مصنوعی خود را به سطح بالاتری ببرید.
امروز به ما بپیوندید و استاد Google Cloud Vertex AI شوید!
مقدمه Introduction
-
مقدمه و درباره دوره - پیش نیاز Introduction and About the Course - Prerequisites
-
ساختار دوره Course Structure
کد منبع را دانلود کنید Download Source Code
-
کد منبع را دانلود کنید Download Source code
راه اندازی محیط توسعه و راه اندازی پلت فرم Google Cloud Development Environment Setup & Google Cloud Platform Setup
-
راه اندازی محیط توسعه و هزینه های API - بررسی اجمالی Development Environment Setup and API Costs - Overview
-
Google Cloud Setup Google Cloud Setup
-
عملی: تست Vertex AI - ایجاد یک جمله در جاسازی Hands-on: Testing the Vertex AI - Generated a Sentence Embedding
Vertex AI Text Embedding API and Embeddings Crash Course - Deep Dive Vertex AI Text Embedding API and Embeddings Crash Course - Deep Dive
-
مقدمه ای بر هوش مصنوعی و قابلیت های Vertex - بررسی اجمالی Introduction to Vertex AI and Capabilities - Overview
-
اختیاری: Embeddings Crash Course OPTIONAL: Embeddings Crash Course
-
نحوه استفاده از Embedding ها در GenAI و LLMs و Use Cases How are Embeddings Used in GenAI and LLMs and Use Cases
-
The Embeddings API - Text vs Multimodal Embeddings - نمای کلی The Embeddings API - Text vs Multimodal Embeddings - Overview
-
انواع وظایف و مزایا Task Types and Benefits
-
نمودار تعبیه‌های چندوجهی Multimodal Embeddings Diagram
-
عملی: طول جاسازی - ابعاد Hands-on: Embeddings Length - Dimension
-
عملی: جستجوی شباهت کسینوس را روی جملات مختلف اجرا کنید Hands-on: Run Cosine Similarity Search on Different Sentences
-
عملی: جاسازی ها را تجسم کنید Hands-on: Visualize Embeddings
-
خلاصه Summary
بررسی کنید Check in
-
بررسی کنید Check in
تولید متن با Vertex AI Text Embedding API Text Generation with Vertex AI Text Embedding API
-
TextGenerationModel - تولید متن با استفاده از مدل bison TextGenerationModel - Generating Text Using bison Model
-
عملی: تولید متن - مورد استفاده طبقه بندی Hands-on: Text Generation - Classification Use Case
-
عملی: استخراج اطلاعات در جداول و فرمت های JSON Hands-on: Extract Information into Tables and JSON Formats
-
عملی: کنترل دما برای مدل Hands-on: Controlling Temperature for the Model
-
عملی: TopK و TopP Hands-on: TopK and TopP
-
عملی: خلاصه سازی و استخراج رونوشت Hands-on: Transcript Summarization and Extraction
عملی: کاربرد و موارد استفاده در دنیای واقعی از جاسازی ها Hands-on: Application and Real-world Use Cases of Embeddings
-
تجسم خوشه ای پرسش و پاسخ StackOverflow به صورت دو بعدی Cluster Visualization of StackOverflow Question and Answers in 2D
-
سیستم RAG خود را با داده های StackOverflow بسازید Build Your RAG System with the StackOverflow Data
-
مقیاس با جستجوی تقریبی نزدیکترین همسایه: HNSW در مقابل شباهت کسینوس Scale with the Approximate Nearest Neighbor Search: HNSW vs Cosine Similarity
مراحل بعدی Next Steps
-
خلاصه دوره و مراحل بعدی Course Summary and Next Steps
-
سخنرانی پاداش Bonus Lecture
https://donyad.com/d/293190
Paulo Dichone Software Engineer, AWS Cloud Practitioner Instructor
Android، Flutter، AWS، پرفروش ترین مربی
نمایش نظرات