Datawhale干货
老师：吴恩达，来源：新智元
【导读】吴恩达新课上线，限时免费！LangChain、ChatGPT API、扩散模型全覆盖。
吴恩达又给AI社区送福音了。
今日，吴恩达在推特上宣布三门新的生成式AI课程上线。
这三门课包括：
1. 使用OpenAI的ChatGPT API构建系统：通过这门课，可以超越单个提示，学习构建使用多个API调用LLM的复杂应用。同时，你会学习到如何评估LLM的输出，以确保安全性和准确性，并驱动迭代改进。
2. LangChain用于LLM应用开发：通过学习这个强大的开源工具，你可以构建使用LLM的应用，包括聊天机器人的记忆，文档上的问题回答，以及可以决定下一步采取什么行动的LLM代理。
3. 扩散模型如何工作：这门课让你能够学习扩散模型的技术细节，这些模型支持Midjourney，DALL·E 2和Stable Diffusion。你还可以生成自己的视频游戏精灵的Jupyter工作代码。
注意，这些课程都是限时免费的，每个课程时长在1-1.5小时。
使用ChatGPT API构建系统
这门课中，你可以学习如何通过连续调用大语言模型，来让复杂的工作流程自动化。
内容包括：
· 构建与先前提示交互的提示链。
· 构建Python代码，以便与现有的和新的提示交互的系统。
· 构建使用课程中的技术的客服聊天机器人。
这些技能可以应用于实际方案，包括将用户查询分类为聊天代理的响应、评估用户查询的安全性，以及处理任务以进行思维链、多步骤推理。
其中，动手示例使概念易于理解，而内置的Jupyter Notebook可以让你无缝试验课程中介绍的代码和实验室。
本课程适用于初学者，对Python有基本了解即可。也适用于想要学习LLM尖端快速工程技能的中高级机器学习工程师。
LangChain用于LLM应用开发
在这门课中，可以学到使用LangChain框架扩展应用程序开发中语言模型的用例和功能的基本技能。
具体包括：
· 模型、提示和解析器：调用LLM、提供提示和解析响应
· LLM的记忆：用于存储对话和管理有限上下文空间的记忆
· Chains：创建操作序列
· 文档问答：将LLM应用于您的专有数据和用例要求
· 智能体：探索LLM作为推理代理的强大发展
在课程结束时，你可以拥有一个模型，作为你自己探索应用扩散模型的起点。
这个课程将极大地帮你扩展利用强大语言模型的可能性，在几个小时内，你就可以创建不可思议的应用程序。
本课适合初学者，掌握基本的Python知识即可。
扩散模型如何工作
在这部门课中，你可以深入了解扩散过程和执行扩散过程的模型。
这门课不仅仅是简单地引入预构建的模型或使用 API，还会教你从头开始构建扩散模型。
具体包括：
· 探索基于扩散的生成AI的前沿世界，并从头开始创建自己的扩散模型。
· 深入了解扩散过程和驱动过程的模型，超越预构建的模型和API。
· 通过实验室进行采样、训练扩散模型、构建用于噪声预测的神经网络以及为个性化图像生成添加上下文，获得实用的编码技能。
课程结束时，你将拥有一个模型，作为你自己探索应用扩散模型的起点。
其中，动手示例使概念易于理解，而内置的Jupyter Notebook可以让你无缝试验课程中介绍的代码和实验室。
这是一门中级课程，需要Python，Tensorflow或Pytorch的知识。
参考资料：
https://www.deeplearning.ai/short-courses/
干货学习，点赞三连↓
