Chia Sẻ Khóa Học Xây Dựng Một Data Analyst AI Agent Đơn Giản Với Llama & Flask [Khóa 6058 A]
Giới thiệu về Prompt Engineering và các AI-Powered App.
Những gì bạn sẽ học được:
- ✓ Hiểu và áp dụng các kỹ thuật prompt engineering cốt lõi như In-Context Learning (ICL), Chain of Thought (CoT) và Tree of Thought (ToT).
- ✓ Thiết lập và chạy một open-source large language model (Llama) local mà không cần các API trả phí.
- ✓ Xây dựng một ứng dụng Flask đơn giản hỗ trợ AI kết nối với một Postgres SQL database.
- ✓ Thiết kế các prompt cho phép một AI agent hiểu được câu hỏi của người dùng và đưa ra câu trả lời chính xác từ dữ liệu có cấu trúc.
- ✓ Phát triển một hiểu biết cơ bản về việc kết nối natural language processing với các SQL database thông qua API.
Mở khóa sức mạnh của AI và xây dựng Data Analyst AI Agent đơn giản của riêng bạn mà không cần các API đắt tiền hoặc kinh nghiệm lập trình chuyên sâu.
Trong khóa học thực hành này, bạn sẽ học cách thiết lập và chạy một open-source language model (Llama) local và xây dựng một ứng dụng Flask nhẹ có thể trả lời các câu hỏi dựa trên thông tin được lưu trữ trong cơ sở dữ liệu Postgres, tương tự như một hệ thống Retrieval-Augmented Generation (RAG) đơn giản.
Chúng tôi bắt đầu với nền tảng của prompt engineering, giới thiệu các kỹ thuật thiết yếu như In-Context Learning (ICL), Chain of Thought (CoT) và Tree of Thought (ToT). Bạn sẽ thực hành tạo, debugging và refining các prompt hướng dẫn AI của bạn đến các câu trả lời tốt hơn, chính xác hơn.
Sau đó, chúng ta sẽ chuyển sang xây dựng ứng dụng hỗ trợ AI đầu tiên của bạn. Bạn sẽ thiết lập một Flask server, kết nối nó với một Postgres database và xây dựng một endpoint chấp nhận các câu hỏi của người dùng, xử lý chúng và trả về câu trả lời cơ sở dữ liệu thông qua logic AI.
Những gì bạn sẽ học được:
- ✓ Cách cài đặt và chạy một open-source LLM model (Llama) trên máy của bạn.
- ✓ Các kỹ thuật prompt engineering cốt lõi và cách chúng cải thiện khả năng suy luận của AI.
- ✓ Cách xây dựng một ứng dụng Flask đơn giản và kết nối nó với một Postgres database.
- ✓ Cách xử lý user input và cung cấp các AI-generated answer từ một database.
Khóa học này dành cho ai:
- ✓ Người mới bắt đầu tò mò về AI, prompt engineering và các ứng dụng lightweight AI.
- ✓ Các Data analyst muốn khám phá các AI-enhanced workflow.
- ✓ Các nhà phát triển quan tâm đến việc thử nghiệm các nguyên tắc Retrieval-Augmented Generation (RAG).
- ✓ Data engineer.
- ✓ Bất kỳ ai muốn có một phần giới thiệu thực tế, nhanh chóng và rõ ràng về việc sử dụng LLM trong các mini-project thực tế.
Yêu cầu:
- ✓ Kiến thức cơ bản về database là gì (không cần biết sâu về SQL).
- ✓ Kinh nghiệm về Python và SQL rất hữu ích nhưng không bắt buộc; tất cả các khái niệm chính đều được giải thích.
- ✓ Sự sẵn sàng học hỏi và thử nghiệm.
Cho dù bạn đang bước những bước đầu tiên vào AI hay đang tìm kiếm một dự án thực tế để nâng cao portfolio của mình, khóa học này sẽ giúp bạn xây dựng thứ gì đó thực tế và hữu ích, đồng thời phát triển một nền tảng vững chắc về prompt engineering và các ứng dụng AI.
Đăng ký ngay hôm nay và bắt đầu xây dựng!
Khóa học này dành cho ai:
- ✓ Người học ở trình độ từ sơ cấp đến trung cấp tò mò về prompt engineering, LLM và AI agents.
- ✓ Các Data analyst và Python developer muốn nâng cao kỹ năng sử dụng các công cụ AI.
- ✓ Những người đam mê công nghệ muốn xây dựng một dự án thực tế kết hợp AI, database và web API.
- ✓ Bất kỳ ai quan tâm đến việc xây dựng ứng dụng đầu tiên theo phong cách Retrieval-Augmented Generation (RAG) đơn giản.
- ✓ Data engineer.
NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU