استفاده از LLMs & Text-Embeddings API با Google Vertex AI [ویدئو]

Harnessing LLMs & Text-Embeddings API with Google Vertex AI [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره شما را به سفری عمیق از طریق قابلیت‌های Google Vertex AI Text-Embeddings API می‌برد. با مرور کلی پیش نیازها و ساختار دوره، با راه اندازی محیط توسعه خود و پیکربندی پلتفرم Google Cloud خود، یک پایه محکم ایجاد خواهید کرد. این آماده سازی زمانی که به پیچیدگی های Vertex AI می پردازید و شروع به ایجاد جاسازی جملات می کنید بسیار مهم است. با پیشرفت دوره، کارکردهای اصلی Vertex AI و اصول جاسازی‌ها، از جمله کاربردهای آن‌ها در Generative AI و LLM را بررسی خواهید کرد. با تمرکز بر سناریوهای دنیای واقعی، در تمرین‌های عملی برای تجسم جاسازی‌ها، انجام جستجوهای مشابه و درک استفاده از متن و جاسازی‌های چندوجهی شرکت خواهید کرد. هر ماژول بر اساس آخرین ماژول است، درک شما را عمیق تر می کند و شما را برای مقابله با وظایف پیچیده تر آماده می کند. در پایان دوره، شما در استفاده از API Text-Embeddings برای برنامه های مختلف، از جمله تولید متن و استخراج اطلاعات، مهارت خواهید داشت. شما یاد خواهید گرفت که راه حل هایی مانند یک سیستم بازیابی-نسل تقویت شده (RAG) بسازید و مقیاس دهید و داده ها را به روش های معنی دار تجسم کنید. این رویکرد جامع تضمین می‌کند که ارزش عملی آن‌ها را درک می‌کنید، و شما را به خوبی مجهز می‌کند تا از Vertex AI در پروژه‌های خود استفاده کنید. محیط خود را برای استفاده کارآمد از Vertex AI پیکربندی کنید جاسازی ها را ایجاد کنید و روابط آنها را به طور موثر تجسم کنید از تولید متن برای کارهای طبقه بندی و خلاصه سازی استفاده کنید پیاده سازی شباهت کسینوس و تکنیک های جستجو با جاسازی با استفاده از قابلیت های Vertex AI راه حل های هوش مصنوعی دنیای واقعی بسازید توسعه یک سیستم RAG و تجزیه و تحلیل بینش داده StackOverflow این دوره برای دانشمندان داده، متخصصان هوش مصنوعی و توسعه دهندگان با درک اولیه از Python و مفاهیم یادگیری ماشین طراحی شده است. آشنایی با سرویس های ابری و استفاده از API مفید خواهد بود. پتانسیل کامل Google Vertex AI Text-Embeddings API را کاوش کنید * راه اندازی و بهینه سازی محیط Google Cloud Platform خود را بیاموزید * با جاسازی ها و مدل های تولید متن تجربه عملی به دست آورید

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه و درباره دوره - پیش نیاز Introduction and About the Course - Prerequisites

  • ساختار دوره Course Structure

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

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

نمایش نظرات

استفاده از LLMs & Text-Embeddings API با Google Vertex AI [ویدئو]
جزییات دوره
1h 51m
25
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
Paulo Dichone
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Paulo Dichone Paulo Dichone

توسعه دهنده و معلم

سلام! من پائولو هستم. من مدرک علوم کامپیوتر از دانشگاه Whitworth دارم و یک متخصص برنامه نویسی هستم و به آن افتخار می کنم!

من تجربه گسترده ای در توسعه برنامه Android به ویژه در برنامه موبایل (اندروید و iOS) و توسعه وب دارم. من همچنین بنیانگذار Magadistudio هستم، یک شرکت توسعه برنامه تلفن همراه مستقر در شمال غربی داخلی زیبا (WA).

من علاقه زیادی به آموزش توسعه برنامه اندروید به مردم دارم. نشان دادن طناب‌های ساخت اپلیکیشن‌های اندرویدی شگفت‌انگیز، تجربه‌ای بسیار ارزشمند است! هدف من این است که شما را به سرعت راه اندازی کنم و برنامه های اندروید بسازید.

شما آزادی را که یک توسعه‌دهنده اندروید ارائه می‌دهد، باور نمی‌کنید.

من را در توییتر @buildappswithme دنبال کنید

برنامه نویس نرم افزار/برنامه - موبایل و وب

مدرس آنلاین: 2014 - حال

علوم کامپیوتر (BS)
دانشگاه ویتورث
سپتامبر 2006 - مه 2009