Overview
ในหลักสูตรนี้ คุณจะได้สำรวจเทคนิคในการปรับปรุงประสิทธิภาพของโมเดลพื้นฐาน (FM) สองประการ ได้แก่ Retrieval Augmented Generation (RAG) และการปรับละเอียด คุณจะได้เรียนรู้เกี่ยวกับบริการ Amazon Web Services (AWS) ที่ช่วยจัดเก็บการฝังข้อมูลด้วยฐานข้อมูลเวกเตอร์, บทบาทของเอเจนต์ในการทำงานหลายขั้นตอน, กำหนดวิธีการปรับแต่ง FM อย่างละเอียด, วิธีเตรียมข้อมูลสำหรับการปรับละเอียด และอื่นๆ
- ระดับหลักสูตร: พื้นฐาน
- ระยะเวลา: 1 ชั่วโมง
หลักสูตรนี้ประกอบด้วยองค์ประกอบเชิงโต้ตอบ คำแนะนำแบบข้อความ และภาพประกอบ
ในหลักสูตรนี้ คุณจะได้เรียนรู้วิธีทำสิ่งต่อไปนี้
- ระบุบริการของ AWS ที่ช่วยจัดเก็บการฝังด้วยฐานข้อมูลเวกเตอร์
- ทำความเข้าใจบทบาทของเอเจนต์ในงานแบบหลายขั้นตอน
- ทำความเข้าใจแนวทางในการประเมินประสิทธิภาพของ FM
- ตรวจสอบว่า FM มีคุณสมบัติตรงตามวัตถุประสงค์ทางธุรกิจได้อย่างมีประสิทธิภาพ
- กำหนดวิธีการปรับแต่ง FM อย่างละเอียด
- อธิบายวิธีการเตรียมข้อมูลเพื่อปรับแต่ง FM อย่างละเอียด
- ตรวจสอบว่า FM มีคุณสมบัติตรงตามวัตถุประสงค์ทางธุรกิจได้อย่างมีประสิทธิภาพหรือไม่ ตามตัวชี้วัดทางธุรกิจที่ระบุในกรณีใช้งาน
หลักสูตรนี้จัดทำขึ้นสำหรับ:
- บุคคลที่สนใจเกี่ยวกับปัญญาประดิษฐ์และแมชชีนเลิร์นนิง (AI/ML) โดยไม่ขึ้นกับบทบาทงานใดเป็นการเฉพาะ
การปรับโมเดลพื้นฐานให้เหมาะสมเป็นส่วนหนึ่งของชุดสอนการสร้างรากฐานเกี่ยวกับปัญญาประดิษฐ์ แมชชีนเลิร์นนิง และ AI ช่วยสร้าง ขอแนะนำให้คุณศึกษาทั้งสองหลักสูตรนี้ให้เสร็จสิ้นก่อน หากคุณยังไม่ได้ศึกษา:
- Fundamentals of Machine Learning and Artificial Intelligence
- Exploring Artificial Intelligence Use Cases and Applications
หัวข้อที่ 1: ความรู้เบื้องต้น
- วิธีใช้งานหลักสูตรนี้
- ภาพรวมหลักสูตร
ส่วนที่ 2: การเพิ่มประสิทธิภาพโมเดลพื้นฐานด้วย Retrieval Augmented Generation
- เหตุผลทางธุรกิจ
- Retrieval Augmented Generation (RAG)
- เอเจนต์
- ประเมินผลลัพธ์
- ทดสอบความรู้
ส่วนที่ 3: การเพิ่มประสิทธิภาพโมเดลพื้นฐานด้วยการปรับอย่างละเอียด
- เหตุผลทางธุรกิจ
- การปรับละเอียด
- การประเมินโมเดล
- ทดสอบความรู้
ส่วนที่ 4: บทสรุป
- ทรัพยากร
-
Syllabus
Taught by
Tags
