データホエール乾物
教師: Wu Enda、出典: Xinzhiyuan
【はじめに】ウー・エンダの新クラスがオンラインで期間限定で無料公開中！LangChain、ChatGPT API、拡散モデルを完全にカバーします。
Wu Enda は再び AI コミュニティに福音を送りました。
本日、Wu Enda 氏は Twitter で、3 つの新しい生成 AI コースを開始すると発表しました。
これら 3 つのコースには次のものが含まれます。
1. OpenAI の ChatGPT API を使用してシステムを構築する: このコースを通じて、単一のプロンプトを超えて、LLM への複数の API 呼び出しを使用する複雑なアプリケーションを構築する方法を学ぶことができます。同時に、LLM の出力を評価して安全性と精度を確保し、反復的な改善を推進する方法を学びます。
2. LLM アプリケーション開発のための LangChain: この強力なオープンソース ツールを学習することで、チャットボット メモリ、ドキュメントの質問応答、次に実行するアクションを決定できる LLM エージェントなど、LLM を使用するアプリケーションを構築できます。
3. 拡散モデルの仕組み: このコースでは、Midjourney、DALL・E 2、および Stable Diffusion をサポートする拡散モデルの技術的な詳細を学習できます。独自のビデオ ゲーム スプライト用の Jupyter 動作コードを生成することもできます。
これらのコースは期間限定で無料であり、各コースの長さは 1 ～ 1.5 時間であることに注意してください。
ChatGPT APIを使用してシステムを構築する
このコースでは、大規模な言語モデルを継続的に呼び出すことで複雑なワークフローを自動化する方法を学習できます。
内容には以下が含まれます:
· 前のヒントと相互作用するヒントのチェーンを構築します。
既存および新規のプロンプトと対話するための Python コードを構築するためのシステム。
· コースのテクニックを使用してカスタマー サービス チャットボットを構築します。
これらのスキルは、ユーザー クエリをチャット エージェントからの応答に分類すること、ユーザー クエリの安全性を評価すること、思考連鎖の多段階推論のためのタスクを処理することなど、現実世界のシナリオに適用できます。
その中で、実践的な例によって概念が理解しやすくなり、組み込まれた Jupyter Notebook を使用して、コースで提示されたコードとラボをシームレスに実験できます。
このコースは初心者に適しており、Python の基本を理解していれば十分です。また、LLM の最先端のラピッド エンジニアリング スキルを学びたい中級および上級の機械学習エンジニアにも適しています。
LLM アプリケーション開発のための LangChain
このコースでは、LangChain フレームワークを使用して、アプリケーション開発における言語モデルのユースケースと機能を拡張するための基本的なスキルを学びます。
具体的には次のものが挙げられます。
モデル、ヒント、およびパーサー: LLM を呼び出し、ヒントを提供し、応答を解析します。
LLM のメモリ: ダイアログを保存し、限られたコンテキスト空間を管理するためのメモリ
チェーン: 一連の操作を作成します。
ドキュメント Q&A: 独自データとユースケース要件への LLM の適用
エージェント: 推論エージェントとしての LLM の強力な開発の探求
コースの最後には、応用拡散モデルを独自に探索するための出発点として使用できるモデルが完成します。
このコースでは、強力な言語モデルを活用する可能性が大幅に広がり、数時間以内に素晴らしいアプリケーションを作成できるようになります。
このコースは、Python の基本的な知識があれば、初心者に適しています。
拡散モデルの仕組み
この単元では、拡散プロセスとそれを実行するモデルについて深く理解します。
このクラスでは、単に事前に構築されたモデルを持ち込んだり、API を使用したりするのではなく、拡散モデルを最初から構築する方法を学びます。
具体的には次のものが挙げられます。
· 拡散ベースの生成 AI のフロンティアの世界を探索し、独自の拡散モデルを一から作成します。
· 事前に構築されたモデルや API を超えて、プロセスを推進する普及プロセスとモデルについての洞察を得ることができます。
ラボを通じて、サンプリング、拡散モデルのトレーニング、ノイズ予測のためのニューラル ネットワークの構築、パーソナライズされた画像生成へのコンテキストの追加などの実践的なコーディング スキルを習得します。
コースの終わりまでに、応用拡散モデルを独自に探索するための出発点として使用できるモデルが完成します。
その中で、実践的な例によって概念が理解しやすくなり、組み込まれた Jupyter Notebook を使用して、コースで提示されたコードとラボをシームレスに実験できます。
これは中級コースであり、Python、Tensorflow、または Pytorch の知識が必要です。
参考文献:
https://www.deeplearning.ai/short-courses/
乾物学習、3回分↓