欢迎来到完整AI & LLM工程布特营, 即您一站式课程, 从地下学习 Python、Git、Docker、Pydantic、LLMS、代理、RAG、Lang Chain、Lan Graph和多模式AI。
这不仅仅是另一个理论学说。 到最后,你将能够使用相同的技术来编码、部署和规模真实世界的AI应用,这些应用将使用同样的技术来驱动查特格伯特、基米尼和克劳德。
将如何从头开始学习基金会Python编程,即语法、数据类型、OOP和高级功能。 Git & GitHub基本原理 — — 分支、合并、协作和专业工作流程。
套装——集装箱化、图像、数量和部署应用,如亲皮但提式——现代Python应用程序的型式安全、结构化数据处理。
识别、嵌入、关注和变压器解释得很简单。理解多头目的关注,位置编码以及“注意是所有你需要的”文件。
快速工程硕士促进战略:零射、一发、几发、思维链、人基提示。使用 Alpaca、ChatML和LalaMA-2格式。用 Pydantic设计结构化输出的提示。
运行并使用 LLMs 设置 Python 的 OpenAI & Gemini API。 本地运行模式, 使用 Ollama + Docker 和 Ollama + Docker 。 使用 hugging 脸型模型和 INSTRSUCT 调控模型。 连接 LIMS 到 FastAPI 终端点 。
代理和RAG系统从头开始建立你的第一个AI代理。 CLI 与Claude的编码代理商。 完整的RAG管道—— 索引、检索和回答。
Lang Chain: 文档装载器、拆卸机、检索机和矢量仓库; 高级RAG, 与Redis/Valkey Ques 一起用于合成处理。 向工人和快速API推广RAG。
LangGraph和记忆入门 兰格法——州、节点、边缘和基于图表的AI。加上MongoDB的检查站。内存系统:短期、长期、偶发、语义内存。
使用Mem0和矢量DB的内存层,用Neo4j和Cypher查询的图形内存。
将语音对文本(STT)和文字对语音(TTS)整合在一起。您自己编码用于编码的 AI 语音助理 (Cursor IDE 克隆) 。 多模式LM: 处理图像和文本并列 。
示范背景协议(MCP)是什么是 MCP,为什么它对于AI 应用程序很重要。 MCP运输:STDIO和SSE。与 Python 编码一个 MCP服务器。现实世界项目你会从头开始构建托盘。
本地 Ollama + FastAPI AI App. Python CLI 的编码助理。 Lang Chain & Vector DB 的文件 RAG管道,与Redis & FastAPI 队基可缩放RAG系统。
Neo4j. MCP 驱动的AI 服务器的图形内存剂。 这门课程面向谁? 希望完成Python+ AI 课程的初学者。
开发者想用LLMS、RAG和Lang Chain来建立真实世界的 AI 应用程序。 数据工程师/后端开发者希望将AI纳入现有的堆叠中。
学生和专业人员的目标是提高现代人工智能工程的技能。为什么选修这个课程?这门课程结合了理论、编码和在一处部署。
最终, 你会与兰钱、朗格拉姆、奥拉玛、华美等组织一起将最先进的人工智能应用编译为新手。
与其他课程不同,这门课不会停留在“调用API”上。 你会深入到系统设计、队列、缩放、记忆和图形化的AI代理 — — 你需要成为AI工程师的所有事情。
到了这个课程结束时, 你将无法理解AI,