
모두를 위한 대규모 언어 모델 LLM(Large Language Model) Part 1 - Llama 2 Fine-Tuning 해보기
AISchool
LLM(Large Language Model)의 기초 개념부터 고성능 LLM인 Llama 2 모델을 내가 원하는 데이터셋에 Fine-Tuning하는 방법까지 차근차근 학습합니다.
중급이상
LLM, Llama, 딥러닝
Trong quá trình thực hiện các dự án triển khai nhiều AI Agent khác nhau bằng LangGraph, tôi học được cách tạo ra một AI Agent thực tế bằng LangGraph.
Cách triển khai AI Agent bằng LangGraph
Cách triển khai các AI Agent thiết thực và đa dạng
Các trường hợp sử dụng thực tế của AI Agent
Các kiến trúc AI Agent khác nhau
AI Agent, xu hướng lớn trong ngành công nghệ!
Tìm hiểu cách triển khai các tác nhân AI thực tế thông qua nhiều dự án khác nhau!
Chúng ta sẽ học từng bước cách tạo tác nhân AI bằng LangGraph trong khi tạo ra nhiều tác nhân AI thực tế khác nhau.
Bất kỳ ai muốn tạo ra một tác nhân AI thực tế
Bất kỳ ai muốn tạo ra tác nhân AI của riêng mình bằng LangGraph
Bất kỳ ai muốn cải thiện kỹ năng triển khai LangGraph của mình
Bất kỳ ai muốn phát triển dịch vụ bằng mô hình LLM mới nhất
👋 Khóa học này yêu cầu bạn phải có kiến thức trước về Python, Xử lý ngôn ngữ tự nhiên (NLP), LLM, LangChain và LangGraph . Hãy chắc chắn rằng bạn đã học bài giảng dưới đây trước hoặc có được kiến thức tương đương trước khi học bài giảng này.
H. Lợi ích của việc học cách triển khai tác nhân AI bằng LangGraph thông qua các dự án là gì?
LangGraph là một khuôn khổ mạnh mẽ cho phép xây dựng linh hoạt các tác nhân AI phức tạp và gần đây đã thu hút sự chú ý như một công cụ quan trọng để phát triển tác nhân AI.
Học LangGraph theo từng dự án có những lợi thế sau:
1. Học tập theo định hướng thực hành :
Thay vì chỉ học lý thuyết, bạn có thể tích lũy kinh nghiệm thực tế bằng cách tạo ra các tác nhân AI hoạt động. Bạn có thể xây dựng những kỹ năng có thể áp dụng ngay vào thực tế.
2. Kinh nghiệm thiết kế logic tác nhân phức tạp :
LangGraph cho phép bạn cấu trúc logic phức tạp một cách trực quan và rõ ràng, bao gồm suy luận nhiều bước, phân nhánh và luồng trạng thái. Điều này sẽ phát triển khả năng thiết kế và triển khai các tác nhân tiên tiến của bạn.
3. Mở rộng hiểu biết về hệ sinh thái LangChain :
Vì LangGraph hoạt động dựa trên LangChain nên bạn có thể học được các khái niệm cốt lõi của LangChain và cách sử dụng nhiều công cụ khác nhau.
4. Tiếp thu xu hướng công nghệ mới nhất :
Tác nhân AI là công nghệ chủ chốt sẽ được áp dụng cho nhiều dịch vụ khác nhau trong tương lai. LangGraph là một công cụ đang lan truyền nhanh chóng trong xu hướng này và việc tìm hiểu trước về công cụ này có thể giúp bạn tăng khả năng cạnh tranh.
5. Có thể sử dụng như một danh mục đầu tư :
Những kết quả tạo ra thông qua dự án có thể được sử dụng làm hồ sơ năng lực của riêng bạn, trở thành vũ khí đắc lực khi tìm kiếm việc làm hoặc thay đổi nghề nghiệp.
H. Người chơi có cần biết không?
Bài giảng này [ Mô hình ngôn ngữ quy mô lớn cho mọi người LLM Phần 6 - Triển khai tác nhân AI bằng LangGraph thông qua các dự án ] bao gồm một dự án thực hành để triển khai tác nhân AI bằng thư viện LangGraph và LLM . Do đó, bài giảng sẽ tiến hành với giả định rằng bạn có kiến thức cơ bản về Python, xử lý ngôn ngữ tự nhiên, LLM, LangChain và LangGraph. Do đó, nếu bạn thiếu kiến thức trước, chúng tôi đặc biệt khuyên bạn nên học khóa học tiên quyết [ Mô hình ngôn ngữ quy mô lớn cho mọi người LLM Phần 5 - Xây dựng tác nhân AI của riêng bạn với LangGraph ].
Khóa học này dành cho ai?
Dành cho những ai muốn tạo ra AI Agent của riêng mình bằng LangGraph
Những ai muốn tìm việc làm liên quan đến nghiên cứu chuyên sâu về học máy
Những ai muốn tiến hành nghiên cứu liên quan đến trí tuệ nhân tạo/học sâu
Những bạn đang chuẩn bị vào học cao học ngành trí tuệ nhân tạo (AI)
Những ai muốn triển khai một AI Agent thiết thực
Cần biết trước khi bắt đầu?
Kinh nghiệm sử dụng Python
Trải nghiệm khóa học trước [Mô hình ngôn ngữ lớn LLM cho tất cả mọi người Phần 5 - Tạo AI Agent của riêng bạn với LangGraph]
8,882
Học viên
650
Đánh giá
350
Trả lời
4.6
Xếp hạng
29
Các khóa học
Tất cả
37 bài giảng ∙ (7giờ 27phút)
Tất cả
3 đánh giá
3.3
3 đánh giá
Đánh giá 5
∙
Đánh giá trung bình 5.0
Đã chỉnh sửa
5
선수강의인 LangGraph 강의를 수강했다면 정말 가볍게 볼 수 있는 내용입니다. 선수 강좌에서는 논문을 참고하며 다양한 아키텍처를 구현하면서 학습이 잘 됐는데, 오히려 현 강의에서는 간단한 그래프 위주의 내용이어서 김이 조금 샌 부분이 있습니다. 현 강의는 시중에서 제공되는 다양한 AI서비스를 따라서 구현하는 클론 프로젝트 중심인데, 그만큼 시중에 있는 AI 서비스가 생각보다 간단한 것이라고 생각해도 될 것 같네요. 공부가 목적이라면 선수 강의를 더 추천하고, 실무에 쉽고 효율적으로 바로 써먹는 것이 목적이라면 현 강의가 더 좋아보이긴 합니다! 그리고 강의를 진행하시면서 결과를 단순히 확인하거나 비교만 하는 과정에서 쭉 읽어나가시기만 하는 부분이 꽤 많았는데, 학습하는 입장에서는 비효율적으로 느껴졌습니다. 그래도 그런 부분은 알아서 스킵하면서 필요한 부분 잘 참고하면서 수강 했습니다. 좋은 내용 감사해요!
Đánh giá 10
∙
Đánh giá trung bình 4.5
Đánh giá 1
∙
Đánh giá trung bình 1.0
1.614.287 ₫
Hãy khám phá các khóa học khác của giảng viên!
Khám phá các khóa học khác trong cùng lĩnh vực!