LlamaIndex: Nagy Nyelvi Modellekkel Működő Alkalmazások Fejlesztése Képzés
A LlamaIndex egy hatékony indexelő eszköz, amelyet arra terveztek, hogy fokozza a Nagy Nyelvi Modellek (LLM) képességeit azáltal, hogy lehetővé teszi számukra az egyéni adathalmazok hatékony lekérdezését és felhasználását.
Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középhaladó és haladó szintű fejlesztőknek és adattudósoknak szól, akik szeretnék elsajátítani a LlamaIndex használatát innovatív LLM-alapú alkalmazások fejlesztéséhez.
A képzés végére a résztvevők képesek lesznek:
- Beállítani és konfigurálni a LlamaIndexet LLM-ekkel való használatra.
- Egyéni adathalmazokat indexelni és lekérdezni a LlamaIndex segítségével az LLM funkciók fokozása érdekében.
- Kifinomult alkalmazásokat tervezni és fejleszteni, amelyek a LlamaIndexet és az LLM-eket használják.
- Megérteni és alkalmazni az LLM-ekkel és a LlamaIndexszel való munka legjobb gyakorlatait.
- Navigálni az LLM-alapú alkalmazások üzembe helyezésével kapcsolatos etikai megfontolásokat.
A képzés formátuma
- Interaktív előadás és vita.
- Számos gyakorlat és gyakorlás.
- Gyakorlati implementáció élő laboratóriumi környezetben.
Képzés testreszabási lehetőségei
- Ha testre szabott képzést szeretne kérni ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk a megbeszélés érdekében.
Kurzusleírás
Bevezetés a LlamaIndexbe
- A LlamaIndex megértése és szerepe az LLM-ekben
- A LlamaIndex beállítása: környezet és előfeltételek
- Az egyéni adatok indexelésének alapjai
A LlamaIndex gyakorlatban
- Lekérdezés a LlamaIndexszel: technikák és legjobb gyakorlatok
- Lekérdezési és csevegő motorok építése a LlamaIndexszel
- Intuitív Streamlit felületek készítése LLM alkalmazásokhoz
Haladó LlamaIndex funkciók
- Retrieval-augmented generation (RAG) alkalmazása a hatékony adatlekérdezés érdekében
- Vektortárak használata az adatkezelés hatékonyságának növelésére
- LlamaIndex ügynökök tervezése és implementálása
Alkalmazásfejlesztés a LlamaIndexszel
- Prompt mérnökség: gondolatmenet, ReAct, few-shot prompting
- Dokumentációs segéd fejlesztése: egy valós LLM alkalmazás
- LLM alkalmazások hibakeresése és tesztelése
Üzembe helyezés és skálázás
- LlamaIndex-alapú alkalmazások üzembe helyezése
- LLM alkalmazások skálázása nagy teljesítmény érdekében
- LLM alkalmazások monitorozása és optimalizálása
Etikai és gyakorlati megfontolások
- Az LLM alkalmazások etikai következményeinek kezelése
- Adatvédelem és adatbiztonság biztosítása a LlamaIndexszel
- Felkészülés az LLM technológia jövőbeli fejlesztéseire
Összefoglalás és következő lépések
Követelmények
- A Python programozás és az alapvető gépi tanulási fogalmak ismerete
- Tapasztalat API-kkal és alkalmazásfejlesztéssel
- A természetes nyelvfeldolgozás ismerete előnyös, de nem kötelező
Közönség
- Fejlesztők
- Adattudósok
A nyílt képzésekhez 5+ résztvevő szükséges.