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
 42 Órák

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák