21 个免费的生成式 AI 课程,可帮助您提高技能并保持最新状态!

生成式人工智能是人工智能的一个重要分支,它具备创造图像、文字、语音、音乐及视频等多种内容的能力。 这项技术在各个行业和专业领域都得到了广泛的应用,并引发了人们的极大关注。

如果您对深入了解生成式人工智能,甚至想亲自开发相关的人工智能应用,那么这里的信息将对您大有裨益。

我们为您整理了一系列免费的课程和资源,旨在帮助您开启生成式人工智能的学习之旅。 无论您是刚入门的新手,还是经验丰富的人工智能爱好者,这份指南都将为您指明正确的方向。

现在,让我们一同探索生成式人工智能的奥秘吧!

全栈大型语言模型训练营

全栈大型语言模型训练营 是一个为期两天的密集培训项目,专注于最新的研究成果和最佳实践。旨在帮助学员掌握使用大型语言模型(LLM)构建应用程序的技能。

该训练营最初于2023年4月在旧金山举办,现在以免费录播讲座的形式提供。对于任何对大型语言模型及其应用感兴趣的人来说,这都是一个绝佳的学习起点。

先决条件

这些讲座面向希望在其应用中使用大型语言模型的Python程序员。 具有机器学习、前端或后端开发经验者将更具优势。

课程内容

  • 大型语言模型 (LLM) 的初步介绍
  • 大型语言模型的快速工程与创新运用
  • 部署和操作的考量因素
  • 构建用户友好的语言交互界面
  • 提升大型语言模型在特定任务上的性能
  • 大型语言模型应用的快速开发与部署
  • 该领域的未来趋势与发展
  • 大型语言模型的基本概念

全栈深度学习训练营是由经验丰富的讲师团队(包括加州大学伯克利分校的博士校友)提供的,对于任何有兴趣深入了解大型语言模型及其应用的学员来说,都是一个理想的起点。它全面介绍了生成式人工智能的相关知识。

生成式人工智能学习路径入门

谷歌云提供了一套完整的 生成式人工智能学习路径,涵盖了从大型语言模型基础知识到负责任的人工智能原则的各个方面。 对于任何希望深入探索生成式人工智能领域的人来说,这是一个非常好的起点。

先决条件

此学习路径中的课程均为入门级别,不要求任何特定的先决知识。 它适用于初学者以及任何对生成式人工智能感兴趣的人。

课程内容

  • 生成式人工智能的基础知识
  • 深入理解大型语言模型
  • 通过及时调整来提高大型语言模型的性能
  • 负责任的人工智能介绍
  • 谷歌如何实践负责任的人工智能
  • 生成式人工智能的基础知识
  • 借助 Google Cloud 实现负责任的 AI
  • 负责任地应用人工智能原则

通过完成最终的测验,您将证明自己对生成式人工智能基本概念的理解。

无论您是该领域的新手还是希望扩展知识,这些课程都为理解生成式人工智能的概念、大型语言模型和负责任的人工智能原则奠定了坚实的基础。

Microsoft Azure AI 基础知识:生成式 AI

微软Azure提供了一个全面的 生成式人工智能学习路径,重点关注如何训练模型,使其能够根据自然语言的输入生成全新的、原创的内容。 生成式人工智能可以根据日常语言的描述,创建文本、图像,甚至代码输出。

此学习路径旨在帮助您入门生成式人工智能,并探索其各个方面,包括 Azure 在提供生成式人工智能技术访问方面的作用。

先决条件

建议您熟悉 Azure 和 Azure 门户,作为此学习路径的先决条件。 它适用于初学者和各个级别的个人,包括人工智能工程师、开发人员、解决方案架构师和学生。

课程内容

  • 生成式人工智能的初步介绍
  • 自然语言生成
  • 图像和代码的生成
  • 深入了解大型语言模型 (LLM)
  • Transformer 模型
  • Tokenization 和 Embedding
  • Azure OpenAI 服务的基础知识
  • Copilot 的介绍与示例
  • 通过 Prompt 工程优化生成式人工智能的响应

对于那些希望在 Azure 生态系统背景下探索生成式人工智能的人来说,微软Azure的“生成式人工智能”学习路径是一个极好的资源。

该学习路径侧重于负责任的人工智能和实际应用,为学习者提供了理解和使用生成式人工智能所需的知识和技能。

扩散模型如何工作

这门名为“扩散模型如何工作”的课程,深入探讨了生成式人工智能中使用的扩散模型。 它不仅仅是教授如何使用预构建的模型或API,更会教您如何从头开始构建扩散模型。

该课程旨在帮助您获得基于扩散的生成式人工智能的实践经验。 该课程由 Lamini 的联合创始人兼首席执行官 Sharon Zhou 主讲,确保您能从经验丰富的行业专家那里学习。

先决条件

这是一门中级课程,拥有Python、Tensorflow或Pytorch的先验知识将有助于您更好地理解和掌握课程内容。

课程内容

  • 扩散模型的介绍
  • 扩散模型背后的直观理解
  • 扩散模型中的采样
  • 扩散模型中的神经网络
  • 训练扩散模型
  • 控制扩散模型
  • 加速扩散模型

如果您想更深入地了解生成式人工智能中的扩散模型,那么“扩散模型如何工作”是一个理想的资源。 本课程将允许您构建、训练和优化扩散模型,从而为您进一步探索这个令人兴奋的领域提供必要的实用技能。

本课程限时免费,这无疑是一个扩展您的生成式人工智能能力的大好机会。

使用 OpenAI API 构建 5 个项目

课程 深入介绍了 OpenAI API 的应用。 它将指导您如何利用 OpenAI API 构建五个令人兴奋的项目,包括 ChatGPT 克隆、DALL-E 图像生成器以及 SQL 生成器。

这些项目涵盖了 OpenAI API 的多种功能和潜在应用。

先决条件

本课程没有指定任何先决条件,但建议您对 JavaScript、React、Node.js 和 TypeScript 等编程语言有基本的了解,并熟悉在软件开发中使用 API。

课程内容

  • 简介、先决条件和环境设置
  • API 访问、密钥管理和身份验证
  • 了解不同的模型
  • 文本补全、自定义提示和指令
  • 即时优化技巧
  • 使用 GPT-3 构建聊天机器人
  • 图像生成项目 1 | JavaScript
  • 使用 DALL-E 生成图像
  • 图像生成项目 2 | React + Node.js + OpenAI NPM 库
  • SQL 生成器项目 | TypeScript + Node.js + OpenAI NPM 库

如果您渴望探索 OpenAI API 的功能并创建令人兴奋的项目,那么本课程将是一个极好的资源。 无论您是对开发 ChatGPT 应用程序、使用 DALL-E 生成图像还是创建 SQL 查询感兴趣,本课程都能满足您的需求。

通过逐步指导和实际项目,您将能够充分释放 OpenAI API 的潜力。

使用 Python 从头开始构建大型语言模型

本课程提供了一个深入的教程,介绍如何使用 Python 从头开始构建大型语言模型。 它深入研究了数据处理、数学概念以及大型语言模型背后的转换器的实现。

您将探索与构建语言模型相关的各种主题。

先决条件

您需要熟悉 Python 编程语言,因为本课程主要使用 Python 进行编码。 了解深度学习是有益的,特别是在神经网络及其训练方面。

课程内容

  • 简介和环境设置
  • 文本预处理
  • 线性代数基础
  • 数据准备和模型输入
  • 从 CPU 切换到 CUDA
  • PyTorch 简介
  • 点积和矩阵乘法
  • 矩阵乘法的实现
  • 构建神经网络
  • 构建 GPT 模型
  • 优化器和标准化
  • Transformer 模块和多头注意力
  • 模型训练和超参数调整
  • OpenWebText 训练
  • 处理错误、模型保存和加载
  • 脚本和命令行工具
  • 预训练与微调

如果您有兴趣了解从头开始构建大型语言模型的细节,本教程是一个宝贵的资源。

本课程将逐步引导您完成整个过程,使您掌握构建自己的语言模型所需的知识和技能。

Google Cloud 大型语言模型入门

本入门课程由 谷歌云提供,是一次微学习体验,旨在概述大型语言模型(LLM)。 它涵盖了什么是大型语言模型、其应用场景以及如何通过及时调整来提高其性能。

他们提供了一系列关于大型语言模型的阅读材料。

此外,本课程还介绍了可帮助您开发自己的生成式人工智能应用的 Google 工具。

先决条件

该课程专为初学者设计,不需要任何经验。

课程内容

  • 大型语言模型入门
  • 阅读材料 (包括阅读资源)

对于那些希望了解大型语言模型的基础知识及其应用的人来说,本课程是一个完美的起点。

这门微型学习课程专为初学者设计,让没有经验的人也能一窥生成式人工智能的世界。 立即开始探索 Google Cloud 的语言模型!

Cohere 大型语言模型大学

大型语言模型大学是一个综合性的学习资源,专门为对 自然语言处理(NLP)领域感兴趣的个人设计,从初学者到高级学习者均可受益。

它专注于自然语言处理的相关主题,包括大型语言模型(LLM),使其成为那些渴望掌握自然语言处理技能和学习大型语言模型的理想平台。

先决条件

大型语言模型大学的课程旨在为各种背景的个人提供语言人工智能方面的坚实基础。 无论您是机器学习新手,希望构建语言人工智能应用程序的爱好者,还是准备将技能付诸实践的专业人士,大型语言模型大学都能满足不同受众的需求。

课程内容

  • 大型语言模型入门
  • 文本表示
  • 文本生成
  • Prompt 工程

对于任何有兴趣掌握自然语言处理和大型语言模型技能,以及探索大型语言模型和生成式人工智能世界的人来说,大型语言模型大学都是一个极好的资源。

除了课程资料外,他们还会为所有学习者举办专门的读书会和活动!

LangChain 速成课程

本速成课程专为初学者设计,旨在教授如何使用 LangChain,这是一个旨在简化使用大型语言模型开发应用程序的框架。

LangChain 能够将人工智能模型与各种数据源无缝集成,从而轻松构建自定义的自然语言处理(NLP)应用程序。

先决条件

该课程是为初学者设计的,因此没有提及具体的先决条件。 然而,对编程概念的基本了解以及对人工智能和自然语言处理基础知识的熟悉可能是有益的。

课程内容

  • LangChain 简介
  • 第一个项目:宠物名字生成器
  • 探索 LangChain 中的代理
  • 第二个项目:YouTube 助手
  • 创建我们自己的向量存储
  • 探讨 LangChain 的潜在应用
  • OpenAI API 成本和预算

如果您是想探索大型语言模型和自然语言处理应用世界的初学者,LangChain 速成课程是一个很好的资源。

通过专注于实践项目和简化大型语言模型的使用,您可以快速开始您的自定义自然语言处理应用程序构建之旅。

稳定扩散速成课程

这个全面的课程专为初学者设计,旨在教授如何使用 稳定扩散,这是一种用于创作艺术和图像的工具。 本课程涵盖了各个方面,包括训练您自己的模型、使用 Control Net、利用稳定扩散的 API 端点等等。

它还强调了人工智能在艺术中的伦理影响,并强调负责任的使用和尊重艺术家的权利。

先决条件

本课程没有指定任何先决条件,但对艺术和人工智能概念的基本了解有助于您更好地掌握课程材料。

课程内容

  • 稳定扩散简介
  • 构建和训练您自己的模型
  • 稳定扩散中的 Control Net 简介
  • 探索稳定扩散的 API 端点
  • 应对人工智能艺术中的道德挑战
  • 艺术创作中负责任的人工智能
  • 持续学习资源

如果您是对使用稳定扩散创作艺术和图像感兴趣的初学者,这个速成课程是一个宝贵的资源。 它涵盖了所有要点,从训练您自己的模型到使用稳定扩散的 API 端点。

本课程还强调了在艺术中负责任地使用人工智能和尊重艺术家权利的重要性。

LangChain 大型语言模型应用开发

本课程与 LangChain 合作提供,专为初学者设计,重点介绍如何使用 LangChain 进行大型语言模型(LLM)应用程序开发。 LangChain 是一个框架,旨在扩展应用程序开发中语言模型的用例和功能。

在本课程中,您将学习如何将大型语言模型应用于您的专有数据、构建个人助理和专业的聊天机器人,并探索 LangChain 框架的各种功能。

先决条件

虽然本课程适合初学者,但具备 Python 的基础知识将有助于您充分利用它。

课程内容

  • LangChain 和大型语言模型简介
  • 模型提示和解析器
  • 大型语言模型的记忆和上下文
  • 构建交互链
  • 管理链的进程和逻辑
  • 链中的错误处理和恢复
  • 使用大型语言模型开发问答系统
  • 评估与性能指标
  • 与 LangChain 中的代理合作
  • 集成任务自动化代理
  • 成功代理实施的案例研究

如果您是初学者,并且想扩展使用 LangChain 开发语言模型应用程序的知识,本课程将是一个宝贵的资源。

本课程侧重于实践学习,由 Harrison Chase 和 Andrew Ng 教授,提供在应用程序开发中利用语言模型功能的基本技能。

商业思想家如何开始使用语义内核构建人工智能插件

本课程与微软合作,面向初学者和希望了解 如何开始使用语义内核构建人工智能插件的商业思想家。

您将学习如何利用微软的开源编排器语义内核来发展您的业务规划和分析技能,同时利用人工智能工具。

本课程涵盖了使用大型语言模型 (LLM) 以及利用常见构建模块(如记忆、连接器、链和规划器)的各个方面。

先决条件

建议具备基本的 Python 知识并了解应用程序编程接口(API)。 熟悉什么是软件设计套件(SDK)可能会有所帮助,但不是必需的。

课程内容

  • 大型语言模型 (LLM) 简介
  • 语义内核简介
  • 微软开源编排器概述
  • 制定有效的提示
  • 探索向量数据库
  • 管理和查询向量数据
  • 理解语义功能及其作用
  • 规划与决策的大型语言模型

如果您是一位商业思想家或初学者,对构建人工智能插件和利用人工智能工具进行业务规划和分析感兴趣,本课程将是一个宝贵的资源。

您将学习如何使用大型语言模型 (LLM) 和微软的语义内核,并掌握使用大型语言模型创建复杂业务应用程序的技能。

本课程还强调使用常见的 LLM 构建模块和开源编排器语义内核。 本课程由微软设计和人工智能副总裁 John Maeda 授课,提供有关业务应用程序的基本知识。

微调大型语言模型

本课程与 Lamini 合作,重点关注 微调大型语言模型(LLM)的基础知识。 微调是指您使用自己的数据训练模型、更新大型语言模型中神经网络权重的过程。

本课程将帮助您了解何时应用微调、如何为其准备数据以及如何根据您的数据训练和评估大型语言模型。 您还将了解微调与其他方法(如即时工程和检索增强生成)的不同之处。

先决条件

为了充分利用本课程,建议学习者熟悉 Python 并了解 PyTorch 等深度学习框架。

课程内容

  • 课程简介
  • 为什么要微调
  • 微调的适用场景
  • 指令微调
  • 数据准备和预处理
  • 模型训练流程
  • 评估与迭代

如果您想深入了解微调大型语言模型(LLM)的世界,并了解其背后的技术和应用,本课程将是一个宝贵的资源。

该课程由该领域经验丰富的讲师 Sharon Zhou 授课,涵盖了何时以及如何应用微调、数据准备以及使用您自己的数据训练和评估大型语言模型的要点。

使用 ChatGPT API 构建系统

本短期课程与 OpenAI 合作,重点介绍了“使用 ChatGPT API 构建系统”。 它旨在教导学习者如何有效地使用大型语言模型构建多步骤系统。

通过使用多阶段提示将复杂任务分解为一系列子任务,您将学习如何自动化复杂的工作流程并提高效率。

先决条件

您只需要对 Python 有基本的了解即可完成本课程。 它还适合想要提高大型语言模型即时工程技能的中级或高级机器学习工程师。

课程内容

  • 语言模型、聊天格式和标记
  • 分类
  • 适度
  • 思路推理
  • 链接提示
  • 评估 I 和 II

如果您希望提高使用 ChatGPT API 构建系统的技能,本课程将是一个有价值的资源。 从基础知识到高级概念,您将学习如何创建提示链、使用 Python 代码以及构建客户服务聊天机器人。

您获得的实用技能可以应用于各种现实场景,因此非常值得您投入时间。 本课程由行业专家授课,限时免费,是您探索和掌握大型语言模型功能的难得机会。

立即报名,开始高效构建复杂的系统!

向量嵌入教程

本教程主要讲解如何理解和使用 向量嵌入 在您的机器学习和人工智能项目中。

它会教您如何使用 OpenAI 的 GPT-4 API、LangChain 和自然语言处理(NLP)技术创建具有向量嵌入的人工智能助手。

先决条件

本课程没有指定先决条件,但对机器学习概念的基本了解和一些编程经验将对您有所帮助。

课程内容

  • 理解向量嵌入
  • 使用 OpenAI 创建文本嵌入
  • 使用向量数据库
  • Langchain 简介
  • 构建人工智能助手
  • 动手实践:构建人工智能助手

如果您希望增强您关于向量嵌入的知识,并学习如何使用 GPT-4、LangChain 和自然语言处理技术创建人工智能助手,本教程将是一个很好的资源。

向量嵌入是现代人工智能的基本概念,了解如何使用它们非常重要。

具有语义搜索的大型语言模型

本课程的重点是通过结合 大型语言模型和语义搜索技术来增强关键字搜索。

您将学习如何使用 Cohere Rerank 和嵌入来改进关键字搜索结果,从而提高用户体验的效率和有效性。

先决条件

本课程被标记为“初学者”级别,但建议您对 Python 有基本的了解,以便充分利用课程内容。 对搜索和基于关键字的检索系统的一些了解也会有所帮助。

课程内容

  • 通过语义搜索增强关键字搜索
  • 嵌入
  • 密集检索
  • 重新排序

本课程将帮助您掌握使搜索系统更加智能和高效的基本技术和概念。

如果您希望增强您的搜索能力,本课程将是一个很好的资源。 立即注册,通过语义搜索技术将您的关键字搜索提升到一个新的水平!

评估和调试生成式人工智能模型

本课程重点关注 评估和调试生成式人工智能模型的重要技能,无论是大型语言模型 (LLM) 还是生成图像模型。 它提供了有关如何使用独立于平台的工具来有效地跟踪、监控和评估这些模型的见解。

先决条件

该课程适合中级学习者。 您应该对 Python 有一定的了解,并具有 PyTorch 或类似框架的经验。 机器学习或人工智能项目的背景会有所帮助,但不是严格要求。

课程内容

  • 仪器 W&B
  • 使用 W&B 训练扩散模型
  • 评估扩散模型
  • W&B 的大型语言模型评估和跟踪
  • 微调语言模型

评估和调试生成式人工智能模型的能力在人工智能和机器学习领域至关重要。 本课程为您提供宝贵的技能和工具,以有效地管理、监控和评估您的项目。

通过使用 Weights & Biases 平台,您将能够简化工作流程,跟踪实验、管理数据并高效协作。

讲师 Carey Phelps 是 Weights & Biases 的创始产品经理,她将利用她的专业知识帮助您掌握人工智能开发的这个关键方面。 如果您希望提高机器学习的操作技能,并有效地评估和调试生成式人工智能模型,本课程将是一个绝佳的选择。 立即注册,将您的人工智能项目提升到一个新的水平!

LangChain:与您的数据对话

这个短期课程提供了一个直接向 Harrison Chase 学习的机会,他是 LangChain 的创建者,这是一个强大的框架,旨在简化使用大型语言模型(LLM)构建应用程序的过程。

在本课程中,您将深入研究两个主要主题:检索增强生成(RAG),这是一种常见的大型