Генеративний ШІ, як окрема сфера штучного інтелекту, має вражаючі здібності у створенні різноманітного контенту: від зображень та тексту до аудіо, музичних композицій та відеоматеріалів. Його застосування охоплює широкий спектр професій та галузей, викликаючи значний інтерес серед фахівців та ентузіастів.
Якщо ви прагнете поглибити свої знання у сфері генеративного ШІ та, можливо, навіть створити власні додатки на основі цієї технології, ви потрапили за правильною адресою.
Ми підготували добірку безкоштовних навчальних програм та ресурсів, які стануть вам у нагоді на початку вашого шляху у світі генеративного ШІ. Незалежно від того, чи ви новачок у цій сфері, чи вже маєте досвід роботи зі штучним інтелектом, наш путівник допоможе вам визначити правильний вектор навчання.
Давайте разом відкриємо для себе дивовижний світ генеративного ШІ!
Full Stack LLM Bootcamp
Full Stack LLM Bootcamp – це дводенна інтенсивна програма, яка фокусується на новітніх практичних підходах та результатах досліджень у галузі великих мовних моделей (LLM). Цей курс допоможе вам впевнено приступити до створення власних програм на базі LLM.
Спочатку цей навчальний табір проводився у форматі офлайн у Сан-Франциско у квітні 2023 року, але тепер відеозаписи лекцій доступні для вільного перегляду. Курс зарекомендував себе як ідеальна відправна точка для всіх, хто цікавиться великими мовними моделями та їх практичним застосуванням.
Необхідні знання
Матеріали курсу розраховані на програмістів, що володіють Python і хочуть використовувати великі мовні моделі (LLM) у своїх розробках. Наявність певного досвіду в машинному навчанні, розробці інтерфейсів або бекенду буде додатковою перевагою.
Зміст курсу
- Ознайомлення з великими мовними моделями (LLM)
- Розробка та творче застосування LLM
- Питання розгортання та експлуатації
- Створення зручних мовних інтерфейсів
- Адаптація мовних моделей до конкретних завдань
- Швидка розробка та розгортання додатків LLM
- Перспективи розвитку та нові тенденції у сфері
- Базові принципи роботи LLM
Програма Full Stack Deep Learning є чудовим стартом для всіх, хто бажає вивчити моделі великих мов та їхнє застосування на практиці. Завдяки команді досвідчених інструкторів, серед яких є випускники Берклі, доктори філософії, цей ресурс пропонує ґрунтовне введення в генеративний ШІ.
Вступ до Generative AI Learning Path
Google Cloud пропонує комплексний навчальний шлях “Генеративний ШІ”, що охоплює широкий спектр тем, пов’язаних із генеративним ШІ. Тут ви знайдете матеріали від основ великих мовних моделей до принципів відповідального штучного інтелекту. Цей навчальний курс є чудовим вибором для тих, хто хоче отримати чітке уявлення про світ генеративного ШІ.
Необхідні знання
Курси в рамках цього навчального шляху мають вступний характер і не вимагають жодної спеціальної підготовки. Вони підходять для початківців і всіх, хто хоче познайомитися з генеративним ШІ.
Зміст курсу
- Основи генеративного ШІ
- Розуміння великих мовних моделей
- Підвищення ефективності LLM за допомогою налаштування промптів
- Введення у відповідальний ШІ
- Реалізація принципів відповідального ШІ в Google
- Основи генеративного ШІ
- Відповідальний ШІ з Google Cloud
- Відповідальне застосування принципів ШІ
Після успішного проходження фінального тесту ви зможете продемонструвати своє розуміння основних концепцій генеративного ШІ.
Незалежно від того, чи ви тільки починаєте свій шлях у цій галузі, чи хочете розширити свої знання, ці курси забезпечать вам міцний фундамент у розумінні концепцій генеративного ШІ, великих мовних моделей та принципів відповідального ШІ.
Основи Microsoft Azure AI: Generative AI
Microsoft Azure пропонує вичерпний навчальний курс Генеративний ШІ, який зосереджується на тому, як моделі навчаються створювати новий, оригінальний контент на основі введення природною мовою. Генеративний ШІ дозволяє створювати текст, зображення або навіть вихідний код у відповідь на звичайні мовні описи.
Цей навчальний курс розроблений, щоб допомогти вам розпочати роботу з генеративним ШІ та досліджує різні аспекти, зокрема роль Azure у наданні доступу до технології генеративного ШІ.
Необхідні знання
Рекомендується ознайомитися з Azure та порталом Azure перед початком цього навчального шляху. Він підходить як для початківців, так і для фахівців з різним рівнем підготовки, включаючи інженерів ШІ, розробників, архітекторів рішень та студентів.
Зміст курсу
- Ознайомлення з генеративним ШІ
- Генерація природної мови
- Генерація зображень та коду
- Розуміння великих мовних моделей (LLM)
- Моделі-трансформери
- Токенізація та вкладення
- Основи Azure OpenAI Service
- Вступ до Copilot та приклади його застосування
- Покращення генеративних відповідей ШІ за допомогою оперативного інжинірингу
Навчальний курс Microsoft Azure “Generative AI” є чудовим ресурсом для тих, хто хоче вивчати генеративний ШІ в контексті екосистеми Azure.
З акцентом на відповідальний ШІ та практичні застосування цей навчальний курс дає учням знання та навички, необхідні для розуміння та роботи з генеративним ШІ.
Як працюють дифузійні моделі
Цей курс під назвою “Як працюють дифузійні моделі” забезпечує глибоке розуміння дифузійних моделей, які використовуються в генеративному ШІ. Він виходить за рамки простого використання готових моделей або API та навчає вас створювати дифузійну модель з нуля.
Курс розроблено, щоб допомогти вам отримати практичний досвід роботи з генеративним ШІ на основі дифузії. Курс викладає Шарон Чжоу, співзасновник і генеральний директор Ламіні, гарантуючи, що ви навчаєтеся у досвідченого професіонала галузі.
Необхідні знання
Це курс середнього рівня, тому попередні знання Python, Tensorflow або Pytorch будуть корисними, щоб отримати максимум від навчання.
Зміст курсу
- Введення в дифузійні моделі
- Інтуїтивне розуміння дифузійних моделей
- Вибірка в дифузійних моделях
- Нейронні мережі в дифузійних моделях
- Навчання дифузійних моделей
- Управління дифузійними моделями
- Прискорення дифузійних моделей
Якщо ви хочете глибше зануритися у світ дифузійних моделей у генеративному ШІ, курс “Як працюють дифузійні моделі” стане ідеальним ресурсом. Цей курс дозволить вам створювати, навчати та оптимізувати дифузійні моделі, надаючи практичні навички, необхідні для подальшого вивчення цієї захопливої галузі.
Завдяки безкоштовному доступу протягом обмеженого часу це чудова можливість розширити свої знання в генеративному ШІ.
Використовуйте OpenAI API для створення 5 проектів
Цей курс пропонує повне занурення у світ OpenAI API. Ви навчитесь використовувати OpenAI API для створення п’яти захопливих проектів, зокрема клону ChatGPT, генератора зображень DALL-E та SQL Generator.
Ці проекти досліджують різноманітні можливості та потенційні застосування OpenAI API.
Необхідні знання
Курс не визначає жодних попередніх вимог, але рекомендується мати базове розуміння таких мов програмування, як JavaScript, React, Node.js та TypeScript, а також знайомитися з використанням API у розробці програмного забезпечення.
Зміст курсу
- Вступ, необхідні знання та налаштування
- Доступ до API, управління ключами та автентифікація
- Розуміння різних моделей
- Заповнення тексту, налаштування промптів та інструкції
- Методи оптимізації промптів
- Створення чат-ботів з використанням GPT-3
- Проект створення зображень 1 | JavaScript
- Генерація зображень за допомогою DALL-E
- Проект створення зображень 2 | React + Node.js + бібліотека OpenAI NPM
- Проект SQL Generator | TypeScript + Node.js + бібліотека OpenAI NPM
Якщо ви прагнете досліджувати можливості OpenAI API та створювати захопливі проекти, цей курс стане чудовим ресурсом. Незалежно від того, чи цікавить вас розробка додатків ChatGPT, генерація зображень за допомогою DALL-E або створення SQL-запитів, цей курс стане вам у нагоді.
Завдяки покроковим інструкціям та практичним проектам ви зможете розкрити потенціал OpenAI API.
Створіть велику мовну модель з нуля за допомогою Python
Цей курс пропонує поглиблений посібник зі створення власної великої мовної моделі з нуля за допомогою Python. Він заглиблюється в обробку даних, математичні концепції та реалізацію моделей-трансформерів, що лежать в основі великих мовних моделей.
Ви розглянете різноманітні теми, пов’язані зі створенням власної мовної моделі.
Необхідні знання
Ви повинні бути знайомі з мовою програмування Python, оскільки курс в основному використовує Python для кодування. Корисним буде розуміння принципів глибинного навчання, особливо нейронних мереж та їх навчання.
Зміст курсу
- Вступ та налаштування
- Попередня обробка тексту
- Основи лінійної алгебри
- Підготовка даних та введення до моделі
- Перехід від CPU до CUDA
- Знайомство з PyTorch
- Скалярний добуток та множення матриць
- Реалізація Matmul
- Створення нейронної мережі
- Створення моделі GPT
- Оптимізатори та нормалізація
- Блоки-трансформери та багатоголова увага
- Навчання моделі та гіперпараметри
- Навчання на OpenWebText
- Обробка помилок, збереження та завантаження моделі
- Сценарії та інструменти командного рядка
- Попереднє навчання проти тонкого налаштування
Якщо ви зацікавлені в розумінні деталей побудови великої мовної моделі з нуля, цей посібник стане цінним ресурсом.
Курс крок за кроком проведе вас через процес, надаючи вам знання та навички для створення власної мовної моделі.
Вступ до великих мовних моделей із Google Cloud
Цей вступний курс від Google Cloud являє собою досвід мікронавчання, що надає огляд великих мовних моделей (LLM). Він розкриває суть LLM, варіанти їх використання та те, як оперативне налаштування може підвищити їх ефективність.
Крім того, курс знайомить з інструментами Google, які можуть допомогти вам у розробці власних генеративних програм ШІ.
Тут представлені матеріали для читання, присвячені великим мовним моделям.
Необхідні знання
Курс розроблений спеціально для початківців і не вимагає попереднього досвіду.
Зміст курсу
- Ознайомлення з великими мовними моделями
- Матеріали для читання (навчальні ресурси)
Цей курс є ідеальною відправною точкою для тих, хто хоче зрозуміти основи великих мовних моделей та їх практичне застосування.
Курс у форматі мікронавчання розроблений для початківців, дозволяючи людям без попереднього досвіду познайомитися зі світом генеративного ШІ. Досліджуйте можливості великих мовних моделей із Google Cloud!
LLM University by Cohere
Університет LLM – це комплексний навчальний ресурс, призначений для тих, хто цікавиться обробкою природної мови (NLP), від початківців до досвідчених учнів.
Курс присвячений темам NLP, включаючи великі мовні моделі (LLM), що робить його ідеальною платформою для тих, хто прагне оволодіти навичками NLP та вивчити LLM.
Необхідні знання
Навчальна програма LLMU розроблена таким чином, щоб забезпечити міцну основу мовного штучного інтелекту для людей із будь-яким рівнем підготовки. Незалежно від того, чи ви новачок у машинному навчанні, ентузіаст, який хоче створювати мовні додатки штучного інтелекту, або хтось, хто готовий застосувати свої навички на практиці, LLM University обслуговує різноманітну аудиторію.
Зміст курсу
- Вступ до LLM
- Представлення тексту
- Генерація тексту
- Інжиніринг промптів
Університет LLM є чудовим ресурсом для тих, хто зацікавлений в оволодінні навичками NLP та досліджує світ великих мовних моделей та генеративного ШІ.
На додаток до матеріалів курсу, вони також проводять читацькі групи та заходи виключно для всіх студентів!
Прискорений курс LangChain
Цей прискорений курс призначений для того, щоб навчити початківців користуватися LangChain – фреймворком, створеним для спрощення розробки програм із використанням великих мовних моделей.
LangChain забезпечує плавну інтеграцію моделей ШІ з різними джерелами даних, що спрощує створення персоналізованих програм обробки природної мови (NLP).
Необхідні знання
Курс розроблений для початківців, тому жодних конкретних вимог не згадується. Однак базове розуміння концепцій програмування та знайомство з основами ШІ та NLP може бути корисним.
Зміст курсу
- Ознайомлення з LangChain
- Перший проект – генератор імен домашніх тварин
- Вивчення агентів у LangChain
- Другий проект – YouTube Assistant
- Створення власних векторних сховищ
- Обговорення потенційних застосувань LangChain
- Витрати та бюджет OpenAI API
Якщо ви новачок і прагнете дослідити світ великих мовних моделей та додатків NLP, цей прискорений курс з LangChain стане чудовим ресурсом.
З акцентом на практичних проектах та спрощеному використанні великих мовних моделей ви зможете швидко почати свій шлях до створення власних програм NLP.
Стабільний прискорений курс дифузії
Цей вичерпний курс призначений для початківців, щоб навчитися користуватися Stable Diffusion – інструментом для створення мистецтва та зображень. Курс охоплює різні аспекти, зокрема навчання власної моделі, використання ControlNet, використання кінцевої точки API Stable Diffusion тощо.
Також звертається увага на етичні наслідки штучного інтелекту в мистецтві та наголошується на відповідальному використанні та повазі до прав митців.
Необхідні знання
Курс не містить жодних попередніх умов, але базове розуміння мистецтва та концепцій ШІ може бути корисним для глибшого розуміння матеріалу.
Зміст курсу
- Вступ до Stable Diffusion
- Створення та навчання власної моделі
- Вступ до ControlNet у Stable Diffusion
- Вивчення кінцевої точки API Stable Diffusion
- Розгляд етичних викликів у мистецтві, створеному ШІ
- Відповідальний ШІ у творчості
- Ресурси для постійного навчання
Якщо ви новачок, який цікавиться створенням мистецтва та зображень за допомогою Stable Diffusion, цей прискорений курс є цінним ресурсом. Він охоплює все необхідне, від навчання власної моделі до використання кінцевої точки API Stable Diffusion.
Курс також підкреслює важливість відповідального використання штучного інтелекту в мистецтві та поваги до прав митців.
LangChain для розробки додатків LLM
Цей курс, розроблений у співпраці з LangChain, призначений для початківців і зосереджений на використанні LangChain для розробки додатків на основі мовних моделей (LLM). LangChain є фреймворком для розширення варіантів використання та можливостей мовних моделей у розробці програм.
У цьому курсі ви дізнаєтеся, як застосувати LLM до власних даних, створити персональних помічників та спеціалізованих чат-ботів, а також вивчити різноманітні функції фреймворку LangChain.
Необхідні знання
Хоча курс підходить для початківців, базові знання Python будуть корисними, щоб отримати від нього максимальну користь.
Зміст курсу
- Вступ до LangChain та LLM
- Моделювання промптів та аналізатори
- Пам’ять та контекст у LLM
- Побудова ланцюжків взаємодії
- Управління ланцюжком та логікою
- Обробка помилок та відновлення в ланцюжках
- Розробка систем запитань та відповідей з LLM
- Оцінка та метрики ефективності
- Робота з агентами в LangChain
- Інтеграція агентів для автоматизації завдань
- Приклади успішного впровадження агентів
Якщо ви новачок і хочете розширити свої знання в розробці додатків на основі мовних моделей з використанням LangChain, цей курс стане для вас цінним ресурсом.
Курс, що фокусується на практичному навчанні та проводиться Гаррісоном Чейзом та Ендрю Нґ, забезпечує необхідні навички для використання можливостей мовних моделей у розробці додатків.
Як підприємці можуть почати створювати плагіни ШІ з Semantic Kernel
Цей курс, розроблений у співпраці з Microsoft, орієнтований на початківців та підприємців, які хочуть почати створювати плагіни ШІ з Semantic Kernel.
Ви дізнаєтеся, як використовувати оркестратор з відкритим вихідним кодом Semantic Kernel від Microsoft, щоб розвивати свої навички бізнес-планування та аналізу, використовуючи інструменти ШІ.
Курс охоплює різні аспекти роботи з великими мовними моделями (LLM) та використання таких будівельних блоків, як пам’ять, конектори, ланцюжки та планувальники.
Необхідні знання
Рекомендується мати базові знання мови Python та розуміти інтерфейс прикладного програмування (API). Знайомство з тим, що таке Software Design Kit (SDK), може бути корисним, але не обов’язковим.
Зміст курсу
- Вступ до великих мовних моделей (LLM)
- Вступ до Semantic Kernel
- Огляд Open-Source Orchestrator від Microsoft
- Розробка ефективних промптів
- Вивчення векторних баз даних
- Управління векторними даними та запити до них
- Розуміння семантичних функцій та їх ролі
- Використання LLM для планування та прийняття рішень
Якщо ви підприємець або новачок, зацікавлений у створенні плагінів штучного інтелекту та використанні інструментів ШІ для бізнес-планування та аналізу, цей курс стане для вас цінним ресурсом.
Ви дізнаєтесь, як працювати з великими мовними моделями (LLM) та Semantic Kernel від Microsoft, набувши навичок створення складних бізнес-додатків за допомогою LLM.
У курсі також наголошується на використанні спільних будівельних блоків LLM та оркестратора з відкритим кодом Semantic Kernel. Цей курс, який проводить Джон Маеда, віце-президент із дизайну та штучного інтелекту Microsoft, надає необхідні знання для застосування в бізнесі.
Тонке налаштування великих мовних моделей
Цей курс, розроблений у співпраці з Lamini, зосереджується на основах тонкого налаштування великих мовних моделей (LLM). Тонке налаштування – це процес, у якому ви берете власні дані для навчання моделі, оновлюючи ваги нейронних мереж у LLM.
Цей курс допоможе вам зрозуміти, коли використовувати тонке налаштування, як підготувати свої дані до нього, а також як навчати та оцінювати LLM на ваших даних. Ви також дізнаєтесь, чим тонке налаштування відрізняється від інших методів, таких як оперативний інжиніринг та розширена генерація з отриманням.
Необхідні знання
Щоб отримати максимальну користь від цього курсу, слухачам рекомендується мати знання Python та розуміти структуру глибинного навчання, наприклад, PyTorch.
Зміст курсу
- Вступ до курсу
- Чому потрібно тонке налаштування
- Коли доцільно використовувати тонке налаштування
- Інструкції з тонкого налаштування
- Підготовка та попередня обробка даних
- Процес навчання моделі
- Оцінка та ітерація
Якщо ви хочете зануритися у світ тонкого налаштування великих мовних моделей (LLM) та зрозуміти методи та їх застосування, цей курс стане для вас цінним ресурсом.
Курс, який викладає Шарон Чжоу, досвідчений інструктор у цій галузі, охоплює основи того, коли і як використовувати тонке налаштування, підготовку даних, а також навчання та оцінку LLM з використанням власних даних.
Створення систем за допомогою ChatGPT API
Цей короткий курс, розроблений у співпраці з OpenAI, зосереджується на темі “Створення систем за допомогою ChatGPT API“. Він розроблений, щоб навчити слухачів ефективно створювати багатокрокові системи з використанням великих мовних моделей.
Розбиваючи складні завдання на послідовність