在这一课程中,你会学会如何设计出创新的AI结构, 将AI-Powerd S/LLMS/LRMs纳入ESHop支持企业应用软件, 使用即时工程、RAG、微调和矢量 DBs。
我们将设计具有以下组成部分的生成AI结构; 小型和大型语言模型(S/LLMs)迅速工程检索增强型(RAG)微调矢量数据库
与基本知识并逐步深入到每个主题。 我们还将关注LLM增资流, 这是一个强大的框架, 在快速工程、RAG和精准设计之后, 增强LLAM的结果。
大语言模型模块;大语言模型如何运作?
长效LMs的能力: 生成文本、摘要、A、分类、感知分析、嵌入语义搜索、代码生成与聊天生成的文字:理解长效磁体的能力和局限性
(手持)大语言模型中的功能呼叫和结构输出(LLM)LL M 模型:OpenAI ChattGPT、Meta Llama、人类学Claude、谷歌Gemini、Mistral Mixral、xAI Grok SDM模型: OpenA ChatGPt 4o微型,
Meta Llama 3.2微型、谷歌Gemma、微软Phi3.5与Chat UI:ChatGPT、Lalama、Mixtral、Phi3 Intercle OpenAI聊天完成点,与编码安装和运行Llama和Gemmar
利用Ollama模型在当地操作LLMs, 并用AI授权LLAM能力开发.NET,以整合LLOM模型和进行分类、汇总、数据
抽取、异常检测、翻译和感应分析使用案例。
快速工程模块; 设计有效提示的步骤:循环、评价和音速先进加速技术:零弹、一发、几发、研究链、指令和基于角色的设计
EESHop支持的先进提示 – 分类、感应分析、总结、A聊天和反应性文本制作设计设计高级提示,供ESShop支助 App w/A Chat and
RAG 检索回源-提款一代模块;RAG 结构部分1:吸收嵌入和矢量搜索
架构第3部分:利用RAG End RAG客户实例生成回收和提款新一代(RAG)的产生与输出E2E工作流
使用 OpenAI 游戏场开发 RAG – 与.NET 一起获取和启动的一代,使用.Net Fine-Tinning 模块执行完整的RAG流程并用真实实例进行示例; Fine – Ting Working-Finning Finning方法: full,
有效精度票价票价、LORA,使用EESHop客户支持应用OploAI游戏场提供EShop客户支助的有限责任授予法理管理软件,我们还将讨论选择
右优化 – 快速工程、RAG和精密导向量数据库以及使用RAG模块的语义搜索
矢量探索嵌入模型: OpenAI – 文本编成3-小型,Ollama – 全最小语义含义和相似性搜索:共生相近性,欧洲碳化物远距离矢量数据库如何工作:矢量生成、索引编制,
搜索矢量搜索算法: kNN、ANN和Disk-ANN探索矢量数据库:松酮、Chroma、Weavate、Qdrant、Milvus、PgVector、Redis 最后,我们将用LMS和矢量设计ESHop支持架构
利用LLMM和矢量二代作为微服务结构设计中云-动力后退服务的数据库,提供LOMM、病媒数据库和语道搜索时的Azure OpenAI、Azur AI支持
与Azure Cloud AI Services: Azure OpenAI, Asture AI搜索 这门课程不仅仅是学习创创举AI,
将LLM结构纳入企业应用
包括LLM能力, 如总结、A、分类、感官分析、嵌入语义搜索、代码生成等。