Chia Sẻ Khóa Học Generative AI Cho Research & Development Với AWS, Python [Khóa 6298 A]
12 tháng 12 2024
/
No Comments
Học cách xây dựng các ứng dụng AI và chatbot bằng Bedrock, LLM, LangChain, RAG, Python, Streamlit và Generative AI for RD.
Những gì bạn sẽ học được:
- ✓ Giới thiệu về AI, ML và Neural Network.
- ✓ Bạn sẽ hiểu sâu hơn về các ứng dụng thực tế của AI.
- ✓ Bạn sẽ hiểu được các nền tảng của Deep Learning.
- ✓ Tìm hiểu cách thức hoạt động của Generative AI và tìm hiểu sâu hơn về các Foundation Model.
- ✓ Bạn sẽ tìm hiểu về Foundation Model, LLM, Text-to-Image generation và Multimodal AI cũng như các ứng dụng thực tế của chúng.
- ✓ Bạn sẽ học cách sử dụng Amazon Bedrock Console, Playgrounds, Builder Tools, Safeguard và các mô hình.
- ✓ Use Case 1: Text-to-image generation với các mô hình AWS Lambda và Amazon AI, bao gồm cả setup.
- ✓ Use Case 2: Text-to-image generation với các mô hình AWS Lambda và Stable Diffusion AI.
- ✓ Use Case 3: Text summarization bằng cách sử dụng Cohere Command và Text Foundation Models.
- ✓ Use Case 4: Chatbot dựa trên Python với AWS Bedrock và Anthropic Claude FM.
- ✓ Use Case 5: Python Chatbot dựa trên Streamlit với AWS Bedrock và Anthropic Claude.
- ✓ Use Case 6: LangChain-Driven Streamlit Chatbot sử dụng Python, AWS Bedrock, Anthropic Claude.
- ✓ Use Case 7: Retrieval Augmented Generation (RAG) - Xây dựng một Health Chatbot.
- ✓ Project - Text2Speech Player, bạn sẽ phát triển một Text-to-Speech (TTS) player bằng các thư viện Python như gTTS, os và pygame.
- ✓ Python coding practice.
- ✓ Regular Expression (regex) trong Python.
- ✓ Làm chủ Keywords trong Python.
- ✓ Cách khai báo và gán giá trị cho biến.
- ✓ Hàm Python: Định nghĩa và cách sử dụng.
- ✓ Cách bắt đầu thực hành Python Coding.
- ✓ Câu lệnh Return trong Python.
Trong khóa học này, bạn sẽ học cách xây dựng các ứng dụng generative AI và chatbot bằng Bedrock, LLM, LangChain, RAG, Python, Streamlit và nhiều foundation model khác, tập trung vào ứng dụng của chúng trong research và development cho các dự án thực tế.
Generative AI cho Research & Development.
Sau đây là các use case và project chính được nêu trong khóa học:
- ✓ 1. Text-to-Image Generation: Tìm hiểu cách sử dụng các mô hình AWS Lambda và Amazon AI để generate image từ text, kèm theo hướng dẫn thiết lập đầy đủ.
- ✓ 2. Text-to-Image Generation với Stable Diffusion: Khám phá cách tích hợp các mô hình Stable Diffusion để generate hình ảnh dựa trên text input.
- ✓ 3. Text Summarization: Hiểu cách sử dụng Cohere Command và Text Foundation Models để tóm tắt văn bản hiệu quả.
- ✓ 4. Chatbot dựa trên Python: Xây dựng một chatbot bằng AWS Bedrock và Anthropic Claude FM.
- ✓ 5. Python Chatbot dựa trên Streamlit: Tạo một chatbot Python năng động, được hỗ trợ bởi Streamlit với AWS Bedrock và Anthropic Claude.
- ✓ 6. LangChain-Driven Chatbot: Xây dựng một LangChain-powered Streamlit chatbot bằng Python, AWS Bedrock và Anthropic Claude.
- ✓ 7. RAG dành cho Health Chatbot: Triển khai Retrieval Augmented Generation (RAG) để phát triển một chatbot liên quan đến sức khỏe.
- ✓ 8. Project: Text2Speech Player - Một dự án thực hành trong đó bạn sẽ phát triển một Text-to-Speech (TTS) player bằng các thư viện Python như gTTS, os và pygame.
Phần 1: Giới thiệu về AI, ML:
- ✓ Tổng quan về khóa học.
- ✓ Giới thiệu về AI.
- ✓ Các ứng dụng thực tế của AI.
- ✓ Tổng quan về Machine Learning.
- ✓ Các Ứng dụng của Machine Learning.
- ✓ AI và ML: Hiểu mối quan hệ của chúng.
- ✓ Các loại Machine Learning: Supervised Learning.
- ✓ Unsupervised ML.
- ✓ Reinforcement ML.
Phần 2: Những nền tảng của Deep Learning:
- ✓ Giới thiệu về Deep Learning.
- ✓ Deep Learning, AI và ML.
- ✓ Neural Network.
Phần 3: Generative AI và các ứng dụng của nó:
- ✓ Giới thiệu về Generative AI.
- ✓ Ứng dụng thực tế của Generative AI.
- ✓ Lợi ích của Generative AI.
- ✓ Mối quan hệ giữa AI, ML, DL và Generative AI.
Phần 4: Foundation Models, LLM, Text-to-Image và Multimodal AI:
- ✓ Giới thiệu về Foundation Models.
- ✓ LLM, Text-to-Image Model.
- ✓ Multimodal Model.
Phần 5: Amazon Bedrock & Foundation Models: Khám phá chuyên sâu:
- ✓ Giới thiệu về Amazon Bedrock.
- ✓ Amazon Bedrock hoạt động như thế nào?
- ✓ Foundation Models trong Amazon Bedrock
- ✓ Nhiều Foundation Model khác nhau thông qua Amazon Bedrock.
Phần 6: Khám phá Amazon Bedrock Console và các tính năng:
- ✓ Amazon Bedrock Console.
- ✓ Playgrounds Feature trong Amazon Bedrock.
- ✓ Các Feature của Builder Tools trong Amazon Bedrock.
- ✓ Safeguard Feature trong Amazon Bedrock.
- ✓ Model Access trong Amazon Bedrock.
Phần 7: Inference Parameters của Foundation Models:
- ✓ Randomness & Diversity.
- ✓ Temperature, Top P, Top K, v.v
- ✓ Length Control: Response Length, Stop Sequence & Length Penalty.
Phần 8: Gen AI Use Case 1: Text-to-Image Generation with Lambda and Amazon Model:
- ✓ Tổng quan dự án.
- ✓ Login vào AWS và Access Bedrock Service.
- ✓ Tạo S3 Bucket và Lambda Function.
- ✓ Cấu hình và gán quyền cho một Lambda Function.
- ✓ Bắt đầu Coding Lambda Function: Import json và boto3.
- ✓ Send Text Input vào Lambda Function.
- ✓ Verify Boto3 Version.
- ✓ Invoke Bedrock Model (Titan Image Generator G1).
- ✓ Inference Parameters.
- ✓ Image Generation Configuration.
- ✓ Các parameter cần thiết để invoke model.
- ✓ Print Response của Model.
- ✓ Arrange Model Response bằng ChatGPT.
- ✓ Extract Desired Key-Value từ Response của Model.
- ✓ Extract Image data sử dụng Cloud Watch Logs.
- ✓ Set S3 Bucket và Object Key.
- ✓ Upload hình ảnh lên S3 Bucket.
- ✓ Kiểm tra hình ảnh được Generate trong S3 Bucket.
- ✓ Cấu hình Proper Permissions cho S3 Bucket.
- ✓ Generate một Presigned URL cho Image Access.
- ✓ Verify và Access Image thông qua Presigned URL.
- ✓ Câu lệnh Return.
- ✓ Giới thiệu về API Gateway.
- ✓ Tạo REST API.
- ✓ Truyền Query Parameter qua API Gateway.
- ✓ Tạo Mapping Template Body trong API Gateway.
- ✓ Final Test thông qua API Gateway.
Phần 9: Gen AI Use Case 2: Text-to-Image Generation với Lambda và Stable Diffusion:
- ✓ Tổng quan về Use Case.
- ✓ Kết quả mong đợi trước khi bắt đầu.
- ✓ Tạo một Lambda Function và S3 Bucket.
- ✓ Cấu hình và gán quyền cho Lambda Function.
- ✓ Bắt đầu Coding Lambda Function: Import json và boto3.
- ✓ Kết nối Lambda với Bedrock và S3 qua Code.
- ✓ Tạo một Function để Send Input Text đến Lambda.
- ✓ Verify Stable Diffusion Model Access bởi Anthropic.
- ✓ Invoke Bedrock Model (Stable Diffusion).
- ✓ Cung cấp Model Inference Parameter.
- ✓ Print Bedrock Model Response cho Prompt.
- ✓ Convert Model Response từ JSON sang Python Dictionary.
- ✓ Print response của Model.
- ✓ Extract Desired Key-Value từ Response của Model.
- ✓ Extract Image data bằng Cloud Watch Logs.
- ✓ Xác định Bucket và Object Key Name.
- ✓ Upload hình ảnh lên S3 Bucket.
- ✓ Download và Check hình ảnh từ S3.
- ✓ Generate một Presigned URL cho Image Access.
- ✓ Re-run Lambda để Generate Image URL.
- ✓ Câu lệnh Return.
- ✓ Giới thiệu về API Gateway.
- ✓ Tạo REST API.
- ✓ Cung cấp URL Query String Parameters qua API Gateway.
- ✓ Tạo Template Body trong API Gateway Mapping Templates.
- ✓ Final Testing thông qua API Gateway.
Phần 10: GenAI Use Case 3: Text Summarization Generation sử dụng Cohere Command-Text FM:
- ✓ Tổng quan về Use Case.
- ✓ Kết quả mong đợi trước khi bắt đầu.
- ✓ Tạo và gán quyền cho Lambda Function.
- ✓ Lambda Function: Import json và boto3.
- ✓ Tạo một Function để xử lý Text Input cho Summarization.
- ✓ Run Lambda Function để View Response.
- ✓ Invoke Model cho Text Summarization - Cohere Command.
- ✓ Supplying Model Inference Parameters.
- ✓ Run Lambda Function để View Response.
- ✓ Convert Response thành một Python Dictionary
- ✓ Extract Value của "text" Key.
- ✓ Return Model Response.
- ✓ Tạo một API Gateway.
- ✓ Set URL Query Parameters và Mapping Template trong API Gateway.
- ✓ Final Testing thông qua API Gateway.
Phần 11: Project - Text2Speech Player:
- ✓ Giới thiệu về Project Text2Speech.
- ✓ Import các thư viện Python: gTTS, os, pygame, time.
- ✓ Function for Text-to-Speech Conversation.
- ✓ Save speech dưới dạng một audio file.
- ✓ Initialize pygame mixer cho audio playback.
- ✓ Chờ cho đến khi audio phát xong.
- ✓ Delete audio file sau khi phát lại.
- ✓ Call function.
- ✓ Run và debug text-to-speech player code.
Phần 12: Gen AI Use Case 4: Xây dựng một Chatbot dựa trên Python với AWS Bedrock và Anthropic Claude FM:
- ✓ Tổng quan về Chatbot Project.
- ✓ Cài đặt và thiết lập VS Code.
- ✓ Tạo IAM User cho Bedrock Access.
- ✓ Authorize VS Code Access vào AWS thông qua AWS CLI.
- ✓ Bắt đầu với Python: Import JSON và Boto3.
- ✓ Define một Function để SetUp Bedrock Client.
- ✓ Define một Function để Invoke Bedrock Model.
- ✓ Truyền tham số để Invoke Model.
- ✓ Defining Model Inference Parameters.
- ✓ Defining Body Parameters.
- ✓ Call Function với đối số trong Python.
- ✓ Manually Get User Input và Invoke Bedrock Model.
- ✓ Hiển thị Response của Model.
- ✓ Response từ Anthropic Model.
- ✓ Troubleshoot và Run Python Code cho Chatbot.
- ✓ Run chatbot trong một vòng lặp.
Phần 13: GenAI Use Case 5: Chatbot Python dựa trên Streamlit với AWS Bedrock và Anthropic Claude:
- ✓ Tổng quan về Chatbot Project.
- ✓ Giới thiệu về Streamlit để xây dựng một LLM Chat App cơ bản.
- ✓ Python Code để Invoke Bedrock Model.
- ✓ Streamlit Python Code để xây dựng một Frontend.
- ✓ Streamlit Python Code - Initialize Chat History.
- ✓ Streamlit Code: Add Button cho User Input.
- ✓ Streamlit Code: Clear Chat History.
- ✓ Chạy Streamlit Python Chatbot.
Phần 14: GenAI Use Case 6: LangChain-Driven Streamlit Chatbot sử dụng Python, AWS Bedrock, Anthropic Claude:
- ✓ Tổng quan về LangChain Feature.
- ✓ Chatbot Demo và Architecture.
- ✓ Import các Class từ thư viện LangChain.
- ✓ Cài đặt VS Code và bắt đầu Coding trong Python.
- ✓ Initialize FM Parameters với ChatBedrock.
- ✓ Set Model ID và Parameters.
- ✓ Initialize Conversation Memory - ConversationSummaryBufferMemory.
- ✓ Function để quản lý Chatbot Conversation - ConversationChain.
- ✓ Streamlit Python Code để xây dựng Frontend.
- ✓ Troubleshooting.
- ✓ Chạy Chatbot và Verify LangChain Features.
Phần 15: GenAI Use Case7: Retrieval Augmented Generation (RAG) - Xây dựng một Health Chatbot:
- ✓ Kết quả mong đợi trước khi bắt đầu.
- ✓ Tổng quan dự án.
- ✓ Điều kiện tiên quyết - Cài đặt và thiết lập cần thiết.
- ✓ Import tất cả các thư viện Python cần thiết.
- ✓ Load Internal Data Source với PyPDFLoader.
- ✓ Split data bằng RecursiveCharacterTextSplitter.
- ✓ Thiết lập AWS Access trong VS Code bằng AWS CLI.
- ✓ Tạo Text Embeddings.
- ✓ Tạo một function.
- ✓ Tạo một function để kết nối với Claude FM.
- ✓ Tạo một function để tìm kiếm Vector DB cho kết quả phù hợp nhất.
- ✓ Streamlit Code cho Frontend Development.
- ✓ Verify Python Health Department QA Chatbot.
Phần 16: Giới thiệu về ngôn ngữ Python:
- ✓ Giới thiệu.
- ✓ Tổng quan về Python.
- ✓ Giới thiệu về Shell Scripting.
- ✓ Python vs. Shell Scripting.
- ✓ Khi nào sử dụng Python vs. Shell Scripting.
Phần 17: Cách bắt đầu thực hành Python Coding:
- ✓ Bắt đầu thực hành Python Coding.
- ✓ Visual Studio Code - Thực hành Python Coding.
- ✓ PyCharm - IDE.
- ✓ Codespaces - Online Coding Platform.
Phần 18: Python Data Types:
- ✓ Về Kiểu dữ liệu trong Python.
- ✓ Lab - String Data Type.
- ✓ Lab - Integer Data Type.
- ✓ Lab - Float Data Type.
- ✓ Lab - len(), Length của một string.
- ✓ Lab - String upper(), lower().
- ✓ Lab - String replace().
- ✓ Lab - String split().
- ✓ Lab - Print specific object in split().
- ✓ Về List trong Python.
- ✓ Lab - List Data Type.
- ✓ Lab - Add và Modify trong một List Data Type (Mutable).
- ✓ Về Tuples trong Python.
- ✓ Lab - Tuples trong Python.
- ✓ Về Sets trong Python.
- ✓ Lab - Sets trong Python.
- ✓ Dictionary trong Python.
- ✓ Lab - Dictionary trong Python.
- ✓ Boolean Data Types.
- ✓ Lab - Boolean trong Python.
Phần 19: Regular Expression (regex) trong Python:
- ✓ Tổng quan về Regular Expressions trong Python.
- ✓ Lab - Sử dụng re.match() để so khớp các mẫu ở đầu một chuỗi.
- ✓ Lab - Sử dụng re.search() để tìm kiếm các kết quả khớp ở bất kỳ đâu trong một chuỗi.
- ✓ Lab - Sử dụng re. findall() để tìm kiếm tất cả các kết quả khớp trong một chuỗi.
- ✓ Các Regex Use Case từ góc nhìn DevOps.
- ✓ Bài tập Coding.
Phần 20: Nắm vững Keywords trong Python:
- ✓ Tổng quan về Keywords trong Python.
- ✓ Các Python keyword phổ biến.
- ✓ Nắm vững các Control Flow Keyword - if, else, for và break.
- ✓ Lab: Nắm vững các Control Flow Keyword - continue, def, return, class, import, v.v.
Phần 21: Làm việc với biến trong Python:
- ✓ Tổng quan về các biến với ví dụ.
- ✓ Lab: Làm việc với các biến Float trong Python.
- ✓ Lab: Định nghĩa Lists dưới dạng biến trong Python.
- ✓ Lab: Làm việc với các biến Dictionary trong Python.
Phần 22: Câu lệnh Return trong Python:
- ✓ Câu lệnh Return: Tổng quan về cú pháp.
- ✓ Lab: Tạo các hàm Return Values.
- ✓ Lab: Các hàm Return nhiều giá trị.
- ✓ Lab: Hàm xác định giá trị chẵn và lẻ.
Phần 23: Python Function: Định nghĩa và cách sử dụng:
- ✓ Giới thiệu về Function trong Python.
- ✓ Ưu điểm của Function trong Python.
- ✓ Lab: Các hàm có tham số.
- ✓ Lab: Các hàm có giá trị trả về.
- ✓ Lab: Thiết kế hàm cho phép tính số học cơ bản-> So sánh các Script: Sử dụng Function vs. không sử dụng Function.
Phần 24: Sử dụng các Module trong Function Design:
- ✓ Giới thiệu về các Python Module.
- ✓ Tổng quan về các Built-in Module.
- ✓ Tổng quan về các User-defined Module.
- ✓ Lab: Các Built-in Module thiết yếu trong Python.
- ✓ Lab: OS và Math Module.
- ✓ Lab: Xây dựng các Module của riêng bạn.
- ✓ Bài giảng cuối cùng.
Khóa học này dành cho ai:
- ✓ Khóa học này được thiết kế để giúp bạn thay đổi nghề nghiệp và chuyển sang những công việc được trả lương cao trong Generative AI và Amazon Bedrock.
NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU