本文介绍微软的 github 项目：generative-ai-for-beginners，项目地址：https://github.com/microsoft/generative-ai-for-beginners，为不可多得的学习生成式 AI 的宝贵学习资料，目前已有 75K stars。
“21个课程，教你所有需要知道的内容，以便开始构建生成式 AI 应用”。
课程内容包括生成式 AI 的方方面面，如提示工程、AI agents、模型微调、文本生成、图片生成、聊天应用、工具调用、RAG 等。
🌱课程介绍
这门课程共有 21 课，每节课都有相应的主题，学习者可以从任何一课开始学习！
课程标记为“Learn”课（解释生成式人工智能的概念），或标记为“Build”课（实践课，解释概念并提供 Python 和 TypeScript 的代码示例）。
每节课还包括一个“继续学习”部分，提供额外的学习工具。
每节课包括的内容：
-
一个简短的视频介绍主题
-
关于课程的书面介绍。
-
Python 和 TypeScript 代码示例（支持 Azure OpenAI 和 OpenAI API）。
-
额外学习资源链接，用于进一步的学习。
这本Google《生成式人工智能初学者指南》中英文版已整理并打包好PDF了
扫描即可拿到↓↓↓
🗃️课程目录
-
课程开始：设置开发环境。
-
生成式 AI 和 LLMs 入门：了解生成式 AI 是什么以及大型语言模型（LLMs）如何工作。
-
探索和比较不同的 LLMs：根据使用场景选择合适的模型。
-
使用生成式 AI：构建生成式 AI 应用程序。
-
理解提示工程基础：提示工程最佳实践。
-
创建高级提示：如何应用提示工程技术来提高提示的效果。
-
构建文本生成应用：使用 Azure OpenAI / OpenAI API 构建文本生成应用。
-
构建聊天应用：高效构建和集成聊天应用的技巧。
-
构建搜索应用和向量数据库：使用嵌入式技术搜索数据。
-
构建图像生成应用：构建图像生成应用程序。
-
构建低代码 AI 应用：使用低代码工具构建生成式 AI 应用程序。
-
通过 Function Calling 集成外部应用：Function Calling 介绍及其使用场景
-
AI 应用的用户体验设计：开发生成式 AI 应用程序时的用户体验设计原则。
-
保障生成式 AI 应用的安全：AI 系统面临的威胁和风险以及保障系统安全的方法。
-
生成式 AI 应用生命周期：管理 LLM 生命周期和 LLMOps 的工具和指标。
-
检索增强生成（RAG）和向量数据库：使用 RAG 框架从向量数据库中检索嵌入（embeddings）。
-
开源模型和 Hugging Face：使用 Hugging Face 上的开源模型构建应用程序。
-
AI 代理：使用 AI 代理框架构建应用程序。
-
微调 LLMs：微调 LLMs 的概念、原因和方法。
-
使用 SLMs 构建：使用小型语言模型（SLMs）构建应用程序的优势。
-
使用 Mistral 模型构建：Mistral 系列模型的特点和差异。
-
使用 Meta 模型构建：Meta 系列模型的特点和差异。
这本Google《生成式人工智能初学者指南》中英文版已整理并打包好PDF了
扫描即可拿到↓↓↓
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
