Ebook Generative AI Với Python - Hướng Dẫn Dành Cho Developer Về Pretrained LLM, Vector Database, Retrieval Augmented Generation & Agentic System [Ấn Bản Lần 15, Tháng 5/2025] [PDF, EPUB] [9194E]
Hướng dẫn về generative AI với Python đã có tại đây! Hãy bắt đầu với phần giới thiệu về generative AI, các NLP model, LLM và LMM, và sau đó tìm hiểu sâu hơn về các pretrained model với Hugging Face. Làm việc với các LLM bằng Python với sự trợ giúp của các công cụ như OpenAI và LangChain. Nhận hướng dẫn từng bước để làm việc với vector database và sử dụng retrieval-augmented generation. Với thông tin về các agentic system và AI application deployment, hướng dẫn này cung cấp cho bạn tất cả những gì bạn cần để trở thành một AI master!
- ✓ Làm việc với các pretrained LLM & NLP model trên Hugging Face và LangChain.
- ✓ Tạo các vector database và triển khai retrieval-augmented generation.
- ✓ Thêm một agentic system bằng cách sử dụng các framework như crewAI và AutoGen.
Large Language Model:
Thiết lập các LLM và sau đó tìm hiểu cách áp dụng các model của bạn bằng Python. Khám phá các công cụ có sẵn: OpenAI, Llama model family của Meta, các Mistral model thông qua Groq và các open-source LLM. Làm việc với các prompt template, chain và nhiều hơn nữa.
Vector Database:
Tạo và sử dụng các vector database để lưu trữ và truy vấn các bộ sưu tập document lớn. Nắm vững mọi khía cạnh của pipeline, từ import một document thô, xử lý nó đến lưu trữ trong một vector database.
Retrieval Augmented Generation:
Tận dụng các pretrained language model quy mô lớn và các external knowledge source với retrieval-augmented generation. Truy xuất thông tin liên quan từ các tập đoàn lớn, tích hợp thông tin đó vào generation process và đánh giá chất lượng cũng như tính đa dạng của các văn bản được tạo ra.
Agentic System:
Sử dụng các mô hình AI để build các agent hoạt động tự động nhằm đạt được mục tiêu. Khám phá các Python package khác nhau cho task này: crewAI, AutoGen và LangChain.
- ✓ Natural language processing (NLP) model.
- ✓ Large language models (LLM).
- ✓ Pretrained model.
- ✓ Prompt Engineering.
- ✓ Vector database.
- ✓ Retrieval-augmented generation (RAG).
- ✓ Agentic system.
- ✓ OpenAI.
- ✓ LangChain.
- ✓ Hugging Face.
- ✓ crewAI.
- ✓ AutoGen.
Mục lục:
- ✓ Chương 1. Giới thiệu về Generative AI:
- + 1.1 Giới thiệu về Artificial Intelligence .
- + 1.2 Các trụ cột của Generative AI Advancement.
- + 1.3 Deep Learning.
- + 1.4 Narrow AI & General AI.
- + 1.5 Natural Language Processing Models.
- + 1.6 Large Language Models.
- + 1.7 Large Multimodal Models.
- + 1.8 Generative AI Applications.
- + 1.9 Tóm tắt.
- ✓ Chương 2. Pretrained Models:
- + 2.1 Hugging Face.
- + 2.2 Coding: Text Summarization.
- + 2.3 Bài tập: Translation.
- + 2.4 Coding: Zero-Shot Classification.
- + 2.5 Coding: Fill-Mask.
- + 2.6 Coding: Question Answering.
- + 2.7 Coding: Named Entity Recognition.
- + 2.8 Coding: Text-to-Image.
- + 2.9 Bài tập: Text-to-Audio.
- + 2.10 Capstone Project: Customer Feedback Analysis.
- + 2.11 Tóm tắt.
- ✓ Chương 3. Large Language Models:
- + 3.1 Tóm tắt Lịch sử về Language Models .
- + 3.2 Sử dụng các LLM đơn giản thông qua Python.
- + 3.3 Model Parameters.
- + 3.4 Model Selection.
- + 3.5 Messages.
- + 3.6 Prompt Templates.
- + 3.7 Chains.
- + 3.8 Safety & Security.
- + 3.9 Model Improvements.
- + 3.10 New Trends.
- + 3.11 Tóm tắt.
- ✓ Chương 4. Prompt Engineering:
- + 4.1 Prompt Basic.
- + 4.2 Coding: Few-Shot Prompting.
- + 4.3 Coding: Chain-of-Thought.
- + 4.4 Coding: Self-Consistency Chain-of-Thought.
- + 4.5 Coding: Prompt Chaining.
- + 4.6 Coding: Self-Feedback.
- + 4.7 Tóm tắt.
- ✓ Chương 5. Vector Database:
- + 5.1 Giới thiệu.
- + 5.2 Data Ingestion Process.
- + 5.3 Loading Documents.
- + 5.4 Splitting Documents.
- + 5.5 Embeddings.
- + 5.6 Storing Data.
- + 5.7 Retrieving Data.
- + 5.8 Capstone Project.
- + 5.9 Tóm tắt.
- ✓ Chương 6. Retrieval-Augmented Generation:
- + 6.1 Giới thiệu.
- + 6.2 Coding: Simple Retrieval-Augmented Generation.
- + 6.3 Các kỹ thuật nâng cao.
- + 6.4 Coding: Prompt Caching.
- + 6.5 Evaluation.
- + 6.6 Tóm tắt.
- ✓ Chương 7. Agentic Systems:
- + 7.1 Giới thiệu về AI Agent.
- + 7.2 Các Framework có sẵn.
- + 7.3 Simple Agent.
- + 7.4 Agentic Framework: LangGraph.
- + 7.5 Agentic Framework: AG2.
- + 7.6 Agentic Framework: CrewAI.
- + 7.7 Agentic Framework: OpenAI Agents.
- + 7.8 Agentic Framework: Pydantic AI.
- + 7.9 Monitoring Agentic Systems.
- + 7.10 Tóm tắt.
- ✓ Chương 8. Deployment:
- + 8.1 Deployment Architecture.
- + 8.2 Deployment Strategy.
- + 8.3 Self-Contained App Development.
- + 8.4 Deployment lên Heroku.
- + 8.5 Deployment lên Streamlit.
- + 8.6 Deployment với Render.
- + 8.7 Tóm tắt.
- ✓ Chương 9. Outlook:
- + 9.1 Những tiến bộ trong Model Architecture.
- + 9.2 Những hạn chế và vấn đề của các LLM.
- + 9.3 Regulatory Developments.
- + 9.4 Artificial General Intelligence & Artificial Superintelligence.
- + 9.5 Các AI System trong Tương lai gần.
- + 9.6 Tài nguyên hữu ích.
- + 9.7 Tóm tắt.