Course Outline

Εισαγωγή στο LlamaIndex

  • Κατανόηση του LlamaIndex και του ρόλου του στα LLMs
  • Ρύθμιση του LlamaIndex: περιβάλλον και προϋποθέσεις
  • Τα βασικά της ευρετηρίασης προσαρμοσμένων δεδομένων

LlamaIndex σε δράση

  • Ερωτήματα με το LlamaIndex: τεχνικές και βέλτιστες πρακτικές
  • Δημιουργία μηχανών αναζήτησης και συνομιλίας με το LlamaIndex
  • Δημιουργία έξυπνων διεπαφών Streamlit για εφαρμογές LLM

Προηγμένες δυνατότητες LlamaIndex

  • Χρήση επαυξημένης παραγωγής ανάκτησης (RAG) για βελτιωμένη ανάκτηση δεδομένων
  • Αξιοποίηση διανυσματικών αποθηκών για αποτελεσματική διαχείριση δεδομένων
  • Σχεδιασμός και υλοποίηση πρακτόρων LlamaIndex

Ανάπτυξη Εφαρμογών με το LlamaIndex

  • Άμεση μηχανική: αλυσίδα σκέψης, ReAct, προτροπή για λίγες βολές
  • Ανάπτυξη ενός βοηθού τεκμηρίωσης: μια εφαρμογή LLM πραγματικού κόσμου
  • Εντοπισμός σφαλμάτων και δοκιμή εφαρμογών LLM

Ανάπτυξη και κλιμάκωση

  • Ανάπτυξη εφαρμογών που βασίζονται στο LlamaIndex
  • Κλιμάκωση εφαρμογών LLM για υψηλή απόδοση
  • Παρακολούθηση και βελτιστοποίηση εφαρμογών LLM

Ηθικές και Πρακτικές Θεωρήσεις

  • Πλοήγηση των ηθικών επιπτώσεων σε εφαρμογές LLM
  • Διασφάλιση απορρήτου και ασφάλειας δεδομένων με το LlamaIndex
  • Προετοιμασία για μελλοντικές εξελίξεις στην τεχνολογία LLM

Περίληψη και Επόμενα Βήματα

Requirements

  • Κατανόηση του προγραμματισμού Python και των βασικών εννοιών μηχανικής εκμάθησης
  • Εμπειρία με API και ανάπτυξη εφαρμογών
  • Η εξοικείωση με την επεξεργασία φυσικής γλώσσας είναι ευεργετική αλλά δεν απαιτείται

Ακροατήριο

  • προγραμματιστές
  • Επιστήμονες δεδομένων
 42 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories