Описание
Курс NVIDIA, Создание RAG-агентов с помощью LLM, углубляется в революционное развитие больших языковых моделей (LLM) и их применение в системах на основе извлечения. Эти модели повышают продуктивность, позволяя вести осознанные беседы через взаимодействие с различными инструментами и документами. Курс предназначен для людей, стремящихся исследовать потенциал LLM, с акцентом на практическое развертывание и эффективную реализацию для управления требованиями пользователей и моделями глубокого обучения.
Читать далее
Участники получат представление о передовых техниках оркестрации, включая внутреннее рассуждение, управление диалогом и эффективные стратегии инструментов. Курс нацелен на обучение участников тому, как составить систему LLM, которая предсказуемо взаимодействует с пользователями, используя внутренние и внешние компоненты рассуждения. Также рассматривается проектирование систем управления диалогом и рассуждения по документам, которые поддерживают состояние и структурированную информацию.
Курс включает темы, такие как интерфейсы вывода LLM, проектирование конвейеров с LangChain, Gradio и LangServe, управление диалогом с текущими состояниями и работа с документами. Участники научатся использовать встраивания для семантического сходства и защиты, а также реализовывать векторные хранилища для эффективного извлечения документов. К концу семинара участники будут иметь твердое понимание RAG-агентов и инструментов, необходимых для разработки собственных приложений LLM.
Курс подходит для тех, кто имеет начальные знания в области глубокого обучения, знаком с PyTorch и переносным обучением, а также имеет средний опыт работы с Python. Он предлагает всестороннее понимание RAG-агентов, обеспечивая участников навыками для эффективной разработки и развертывания продвинутых систем LLM.
- КатегорияКорпоративное обучение и e-learning
- Модель ценообразованияБесплатно
Основные функции NVIDIA Создание RAG-агентов с помощью LLM
Составление систем LLM с внутренним и внешним рассуждением
Проектирование систем управления диалогом
Использование моделей встраивания для запросов на сходство
Реализация RAG-агентов без дообучения
Изучение интерфейсов вывода LLM
Проектирование конвейеров с LangChain, Gradio и LangServe
Управление состояниями диалога и интеграция извлечения знаний
Использование встраиваний для семантического сходства
Как использовать NVIDIA Создание RAG-агентов с помощью LLM?
Настроить: Подготовить среду для семинара
Использовать: Изучить интерфейсы вывода LLM и микросервисы
Оптимизировать: Проектировать конвейеры LLM с использованием LangChain, Gradio и LangServe
Оценить: Реализовать векторные хранилища для эффективного извлечения документов
Варианты использования NVIDIA Создание RAG-агентов с помощью LLM
- Проектирование диалоговых систем
- Извлечение контента
- Разработка приложений LLM
- Семантическое сходство
- Извлечение знаний
