生成式AI+LLM 应用程序开发课程 2024 Bootcamp: Generative AI + LLM App Development

从零到专业水平：学习人工智能的关键，并构建最具潜力的生成式人工智能应用程序。这个在线训练营是我们面对面的400小时硕士课程的紧凑和加速版。它分为两部分：- 第一部分，您将学习人工智能和新的生成式人工智能的关键，以及其改变企业、创业公司和就业的潜力。- 第二部分，您将学习构建专业水平的LLM应用程序，生成式人工智能最有潜力的应用。

通过这个项目，您将学会以下技能：AI和商业了解AI可能导致消失的企业。了解AI为企业创造的新机遇。设计引入AI到公司的计划。选择一个适当的试点项目将AI引入公司。组建公司的第一个AI团队。准备公司的AI战略。AI和创业公司找出100个创办AI创业公司的机会。AI和就业知道AI可能导致消失的职业。了解AI创造的新职业。LLM应用程序，生成式人工智能潜力最大的应用。了解LLM应用程序在企业和创业公司中的主要用例。创建专业LLM应用程序。您将学习LLM应用程序的架构。您将学习如何学习Python和Javascript等编程语言。您将学会如何使用计算机的终端。您将学会如何使用Jupyter笔记本。您将学会如何使用像Visual Studio Code这样的代码编辑器。您将学会如何使用虚拟环境。您将学会如何使用隐藏文件保存凭据。您将学会RAG（检索增强生成）技术。您将学会如何使用LangChain。您将学会如何使用LangChain表达语言（LCEL）。您将学会如何使用LangChain的新版本v010。您将学会如何使用LlamaIndex。您将学会如何使用OpenAI API。您将学会如何使用OpenAI的功能。您将学会如何使用LangSmith。您将学会如何使用LangServe。您将学会如何使用LangChain和LlamaIndex的模板。您将学会什么是AI代理，以及如何创建它们。您将学会使用LangChain和Streamlit创建LLM应用程序的原型（演示）。您将学会使用Nextjs、FastAPI和Postgres创建全栈CRUD应用程序。您将学会使用LangChain、LlamaIndex、Nextjs、FastAPI和Postgres创建专业全栈LLM应用程序。您将学会使用向量和传统数据库。您将学会在Vercel和Render上部署应用程序。您将学会如何使用AWS S3作为远程存储平台。您将学会如何使用ChatGPT作为编程助手。您将学会如何使用Github和Github Codespaces。您将学会LLMOps是什么，以及如何在LLM应用程序中使用它。您将学会负责任的AI原则，以及如何在LLM应用程序中使用它们。

训练营包括：238节课分为36个部分。200多个视频。150多个附加演示文稿。70多个实用笔记本。Github上的17个实用代码存储库。25个不同难度级别的LLM应用程序：基本、中级和高级。为学生提供超过100小时的学习和实践材料。本训练营包括的主题：人工智能、生成式人工智能、AI应用、LLM应用、全栈应用、LangChain、LangChain表达语言（LCEL）、LangChain v010、LlamaIndex、OpenAI、OpenAI API、RAG、RAG技术、向量数据库、Postgres、Pinecone、Chroma、DeepLake、Streamlit、Nextjs、Vercel、FastAPI、Render、AWS S3、LangSmith、LangServe、LangChain模板、LlamaIndex模板、LLMOps、负责任的AI。

由朱利奥·科洛默（Julio Colomer）创建
MP4 | 视频：h264，1280×720 | 音频：AAC，44.1千赫兹，2声道
类型：电子学习 | 语言：英语 | 时长：237讲座（20小时51分钟）| 大小：5.9 GB

你将学到什么：
人工智能和新一代生成式人工智能的关键。
人工智能对企业、初创企业和就业的机遇和威胁。
人工智能为职业提供的机会。
成为人工智能工程师的步骤。
如何将人工智能引入你的业务。
LLM应用程序的关键，生成式人工智能最具潜力的应用程序。
专业LLM应用程序的架构。
如何从零开始创建一个LLM应用程序达到专业水平。
RAG技术（检索增强生成）。
人工智能代理。
基础和高级LangChain，LangChain LCEL和LangChain v010。LangSmith，LangServe，LangChain模板。
基础和高级LlamaIndex。LlamaIndex模板。
ChatGPT，OpenAI，OpenAI功能和OpenAI API。
大型语言模型（LLM）：ChatGPT，Llama2，Mistral，Falcon等。
向量数据库：Postgres，Pinecone，Chroma，FAISS，DeepLake等。
全栈应用程序：Nextjs和FastAPI。
专业部署：Vercel和Render。
临时部署：Streamlit。
云托管：AWS S3。
LLMOps。
如何应用负责任人工智能的原则。
AI工程师的日常工具：Jupyter笔记本，Python，终端，Github，Codespaces等。

要求：
不需要先前的技术知识。
具有一些先前知识的学生将提高其专业准备水平。