code前端网吴恩达 的生成式 AI 课程已上线，逐步教您如何使用 ChatGPT API 构建应用程序！
吴恩达再次向AI界传来好消息。 今天，吴恩达在推特上宣布推出三门生成人工智能新课程。 
三门课程包括：1。使用 ChatGPT OpenAI API 构建系统：通过本课程，您可以超越单一提示，学习构建使用多个 LLM API 调用的复杂应用程序。同时，您将学习如何评估LLM输出以确保安全性和准确性并推动迭代改进。 
2。 LangChain for LLM 应用程序开发：通过学习这个强大的开源工具，您可以构建使用 LLM 的应用程序，包括聊天机器人内存、回答文档中的问题以及 LLM 能够决定下一步要采取什么操作。 
3。扩散模型的工作原理：本课程可让您了解支持 Midjourney、DALL E 2 和 Children Diffusion 的扩散模型的技术细节。您还可以为精灵视频游戏创建自己的工作 Jupyter 代码。 
请注意，这些课程限时免费，每门课程持续 1-1.5 小时。 
内容包括：· 构建与之前的提示交互的提示链。 · 构建 Python 代码以与现有和新的提示系统交互。 · 使用课程中的技术，构建一个聊天机器人来帮助用户。 这些技能可以应用于现实场景，包括将用户查询分类为聊天代理响应、评估用户查询的安全性以及处理心智链、多步骤推理任务。 其中包括使概念更容易理解的实践示例，而内置的 Jupyter Notebook 可让您无缝地试验课程中提供的代码和实验。 本课程适合对Python有基本了解的初学者。也适合想要学习LLM前沿快速工程的中高级机器学习工程师。 
特别包括： · 模型、提示和解析器：调用 LLM，提供提示并解析答案 · LLM 内存：用于存储对话和管理有限上下文空间的内存 · 链：创建操作序列 · 文档问答：使用 LLM 来满足您的专有数据和用例需求 · 代理：探索 LLM 作为推理代理的强大发展 在课程结束时，您可以拥有一个模型作为您自己探索扩散模型的使用的起点。 本课程将极大地帮助您扩展使用强大语言模型的可能性，您可以在几个小时内创建令人惊叹的应用程序。 本课程适合初学者，只要有Python基础知识即可。 
本课程不仅仅是输入预制模型或使用 API，还教您如何从头开始构建扩散模型。 特别包括： · 探索基于扩散的生成人工智能的前沿世界，并从头开始创建您自己的扩散模型。 · 更深入地了解扩散过程和驱动该过程的模型，并超越预构建的模型和 API。 · 通过实验室采样、训练扩散模型、构建噪声预测神经网络以及为自定义图像创建添加上下文，获得实践编码技能。 在课程结束时，您将拥有一个模型，可以作为您自己研究扩散模型使用的起点。 其中包括使概念更容易理解的实践示例，而内置的 Jupyter Notebook 可让您无缝地试验课程中提供的代码和实验。 这是一门中级课程，需要了解 Python、Tensorflow 或 Pytorch。 参考：
三门课程包括：1。使用 ChatGPT OpenAI API 构建系统：通过本课程，您可以超越单一提示，学习构建使用多个 LLM API 调用的复杂应用程序。同时，您将学习如何评估LLM输出以确保安全性和准确性并推动迭代改进。 2。 LangChain for LLM 应用程序开发：通过学习这个强大的开源工具，您可以构建使用 LLM 的应用程序，包括聊天机器人内存、回答文档中的问题以及 LLM 能够决定下一步要采取什么操作。 3。扩散模型的工作原理：本课程可让您了解支持 Midjourney、DALL E 2 和 Children Diffusion 的扩散模型的技术细节。您还可以为精灵视频游戏创建自己的工作 Jupyter 代码。 请注意，这些课程限时免费，每门课程持续 1-1.5 小时。 使用 ChatGPT API 构建系统
在本课程中，您可以学习如何通过不断调用大型语言模型来自动化复杂的工作流程。内容包括：· 构建与之前的提示交互的提示链。 · 构建 Python 代码以与现有和新的提示系统交互。 · 使用课程中的技术，构建一个聊天机器人来帮助用户。 这些技能可以应用于现实场景，包括将用户查询分类为聊天代理响应、评估用户查询的安全性以及处理心智链、多步骤推理任务。 其中包括使概念更容易理解的实践示例，而内置的 Jupyter Notebook 可让您无缝地试验课程中提供的代码和实验。 本课程适合对Python有基本了解的初学者。也适合想要学习LLM前沿快速工程的中高级机器学习工程师。 LangChain for LLM应用程序开发
在本课程中，学习使用LangChain框架来扩展应用程序开发中语言模型的用例和功能的基本技能。 特别包括： · 模型、提示和解析器：调用 LLM，提供提示并解析答案 · LLM 内存：用于存储对话和管理有限上下文空间的内存 · 链：创建操作序列 · 文档问答：使用 LLM 来满足您的专有数据和用例需求 · 代理：探索 LLM 作为推理代理的强大发展 在课程结束时，您可以拥有一个模型作为您自己探索扩散模型的使用的起点。 本课程将极大地帮助您扩展使用强大语言模型的可能性，您可以在几个小时内创建令人惊叹的应用程序。 本课程适合初学者，只要有Python基础知识即可。 扩散模型的工作原理
在本单元课程中，您可以深入了解扩散过程及其实现模型。本课程不仅仅是输入预制模型或使用 API，还教您如何从头开始构建扩散模型。 特别包括： · 探索基于扩散的生成人工智能的前沿世界，并从头开始创建您自己的扩散模型。 · 更深入地了解扩散过程和驱动该过程的模型，并超越预构建的模型和 API。 · 通过实验室采样、训练扩散模型、构建噪声预测神经网络以及为自定义图像创建添加上下文，获得实践编码技能。 在课程结束时，您将拥有一个模型，可以作为您自己研究扩散模型使用的起点。 其中包括使概念更容易理解的实践示例，而内置的 Jupyter Notebook 可让您无缝地试验课程中提供的代码和实验。 这是一门中级课程，需要了解 Python、Tensorflow 或 Pytorch。 参考：https://www.deeplearning.ai/short-courses/
版权声明
本文仅代表作者观点，不代表Code前端网立场。
本文系作者Code前端网发表，如需转载，请注明页面地址。
相关文章
发表评论:
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。