Складчина: Создание генеративных ИИ-проектов с помощью LLM, Langchain, GAN [Udemy] [Christ Raharja]
Building Generative AI Projects with LLM, Langchain, GAN
Язык английский + бонусом субтитры на русском языке, + озвучка на русском языке (ИИ)
Чему вы научитесь:
Изучите основные принципы большой языковой модели и генеративно-состязательной сети, например, изучите варианты их использования и поймите, как они работают.
Узнайте, как создать анализатор юридических документов с помощью LLM
Узнайте, как анализировать данные Excel с помощью LLM
Узнайте, как создать генератор коротких рассказов на основе искусственного интеллекта с помощью LLM
Узнайте, как создать генератор кода ИИ с помощью LLM
Узнайте, как создать чат-бот для поддержки клиентов, используя LLM
Узнайте, как создать сумматор отчетов с помощью LLM
Узнайте, как создать планировщик путешествий на основе искусственного интеллекта с помощью Langchain
Узнайте, как создать решатель математических задач на основе искусственного интеллекта с помощью Langchain
Узнайте, как создать случайный генератор лиц на основе искусственного интеллекта с помощью ProGAN
Узнайте, как создать генератор случайных цифровых изображений с использованием Deep Convolutional GAN
Узнайте, как строить функции генератора и дискриминатора
Узнайте, как обучать и настраивать модель GAN
Узнайте, как создать пользовательский интерфейс с помощью Streamlit и развернуть приложение в Hugging Face Space
Узнайте, как создавать приложения на основе LLM с использованием Dify AI и Relevance AI
Узнайте, как найти модели ИИ в Hugging Face и загрузите набор данных с Kaggle
Добро пожаловать на курс «Создание проектов генеративного ИИ с LLM, Langchain, GAN». Это комплексный курс, основанный на проектах, на котором вы узнаете, как разрабатывать продвинутые приложения ИИ с использованием больших языковых моделей, интегрировать рабочий процесс с использованием Langchain и генерировать изображения с использованием генеративных состязательных сетей. Этот курс представляет собой идеальное сочетание Python и искусственного интеллекта, что делает его идеальной возможностью попрактиковаться в навыках программирования, одновременно улучшая свои технические знания в области интеграции генеративного ИИ. На вводном занятии вы изучите основные основы больших языковых моделей и генеративных состязательных сетей, такие как знакомство с их вариантами использования и понимание того, как они работают. Затем, в следующем разделе, вы найдете и загрузите наборы данных с Kaggle, это платформа, которая предлагает разнообразную коллекцию наборов данных. После этого вы также изучите Hugging Face, это место, где вы можете получить доступ к широкому спектру готовых к использованию предварительно обученных моделей для различных приложений ИИ. Как только все будет готово, мы начнем создавать проекты ИИ. В первом разделе мы создадим анализатор юридических документов, в который пользователи смогут загружать PDF-файлы, а ИИ извлечет ключевую информацию, обобщит сложные юридические тексты и выделит важные положения для быстрого просмотра. Далее мы разработаем анализатор данных Excel, позволяющий пользователям загружать электронные таблицы и использовать ИИ для выявления тенденций, генерации идей и автоматизации процессов анализа данных. Затем мы создадим генератор коротких рассказов на основе ИИ, в котором пользователи смогут создавать креативные и увлекательные повествования на основе простых подсказок, что сделает его полезным инструментом для писателей и создателей контента. После этого мы создадим генератор кода на основе ИИ, в который пользователи смогут вводить описания на естественном языке, а ИИ будет генерировать структурированные, функциональные фрагменты кода, оптимизируя процесс кодирования. В следующем разделе мы разработаем чат-бота службы поддержки клиентов «вопрос-ответ», способного отвечать на распространенные запросы на основе заданной базы знаний, предоставляя автоматизированные ответы на вопросы клиентов. Кроме того, мы также создадим рефератор на базе ИИ, предназначенный для сжатия длинных статей, исследовательских работ или отчетов в краткие резюме, помогая пользователям быстро понимать ключевые моменты. Переходя к LangChain, мы создадим планировщик путешествий, который учитывает предпочтения пользователя и генерирует персонализированные маршруты, делая планирование поездок более простым и эффективным. Затем мы также создадим решатель математических задач, который интерпретирует и решает математические уравнения шаг за шагом, помогая студентам и профессионалам понять методы решения проблем. В следующем разделе мы создадим проекты GAN, для первого проекта мы разработаем генератор случайных лиц, который может создавать реалистичные человеческие лица с нуля, демонстрируя силу генеративного ИИ в создании реалистичных изображений. Во втором проекте,мы построим глубокую сверточную GAN с нуля, реализовав функции генератора и дискриминатора, определив функцию потерь и обучив модель с помощью подхода состязательного обучения для генерации реалистичных изображений. После того, как мы построим приложения, мы проведем тестирование, чтобы убедиться, что приложение полностью функционирует, а также развернем приложение. Наконец, в конце курса мы построим приложение на основе LLM, используя инструменты без кода, такие как Dify AI и Relevance AI. Используя эти инструменты, вы сможете ускорить процесс разработки.
Прежде всего, перед тем как приступить к курсу, нам нужно задать себе вопрос: почему мы должны создавать приложения с использованием большой языковой модели? Ну, вот мой ответ: LLM можно использовать для анализа контекста, автоматизации сложных текстовых задач и генерации ответов, подобных человеческим. Эти технологии не только оптимизируют рабочие процессы и ускоряют поиск информации, но и повышают точность генерации текста и обработки данных. Будь то создание контента, анализ документов или взаимодействие в чате, LLM делают решения на основе ИИ более эффективными и доступными.
Ниже приведено то, чему вы научитесь в ходе этого курса:
Изучите основные принципы большой языковой модели и генеративно-состязательной сети, например, изучите варианты их использования и поймите, как они работают.
Узнайте, как найти модели ИИ в Hugging Face и загрузите набор данных с Kaggle
Узнайте, как создать анализатор юридических документов с помощью LLM
Узнайте, как анализировать данные Excel с помощью LLM
Узнайте, как создать генератор коротких рассказов на основе искусственного интеллекта с помощью LLM
Узнайте, как создать генератор кода ИИ с помощью LLM
Узнайте, как создать чат-бот для поддержки клиентов, используя LLM
Узнайте, как создать сумматор отчетов с помощью LLM
Узнайте, как создать планировщик путешествий на основе искусственного интеллекта с помощью Langchain
Узнайте, как создать решатель математических задач на основе искусственного интеллекта с помощью Langchain
Узнайте, как создать случайный генератор лиц на основе искусственного интеллекта с помощью ProGAN
Узнайте, как создать генератор случайных цифровых изображений с использованием Deep Convolutional GAN
Узнайте, как строить функции генератора и дискриминатора
Узнайте, как обучать и настраивать модель GAN
Узнайте, как создать пользовательский интерфейс с помощью Streamlit и развернуть приложение в Hugging Face Space
Узнайте, как создавать приложения на основе LLM с использованием Dify AI и Relevance AI
Материалы курса:
18 разделов • 22 лекций • Общая продолжительность 4 ч 34 мин
Введение в курс
Инстурменты, IDE и набор данных
Введение в LLM и GAN
Поиск и загрузка набора данных из Kaggle
Поиск ИИ-моделей в Hugging Face
Создание анализатора юридических документов с LLM
Анализ данных Excel с помощью LLM
Создание генератора коротких рассказов на основе искусственного интеллекта с LLM
Создание генератора кода ИИ с LLM
Создание чат-бота для поддержки клиентов с LLM
Создание сумматора отчетов с LLM
Создание ИИ-планировщика путешествий с помощью Langchain
Создание решателя математических задач на основе искусственного интеллекта с помощью Langchain
Создание случайного генератора лиц на основе ИИ с помощью ProGAN
Создание пользовательского интерфейса с помощью Streamlit и развертывание приложения в Hugging Face Space
Создание приложений на основе LLM с помощью Dify AI и Relevance AI
Заключение и резюме
ПРОМО на русском языке:
Спойлер: Оригинал
Welcome to Building Generative AI Projects with LLM, Langchain, GAN course. This is a comprehensive project based course where you will learn how to develop advanced AI applications using Large Language Models, integrate workflow using Langchain, and generate images using Generative Adversarial Networks. This course is a perfect combination between Python and artificial intelligence, making it an ideal opportunity to practice your programming skills while improving your technical knowledge in generative AI integration. In the introduction session, you will learn the basic fundamentals of large language models and generative adversarial networks, such as getting to know their use cases and understand how they work. Then, in the next section, you will find and download datasets from Kaggle, it is a platform that offers a diverse collection of datasets. Afterward, you will also explore Hugging Face, it is a place where you can access a wide range of ready to use pre-trained models for various AI applications. Once everything is ready, we will start building the AI projects. In the first section, we are going to build a legal document analyzer, where users can upload a PDF file, and AI will extract key information, summarize complex legal texts, and highlight important clauses for quick review. Next, we will develop an Excel data analyzer, enabling users to upload spreadsheets and leverage AI to identify trends, generate insights, and automate data analysis processes. Then after that, we will create an AI short story generator, where users can generate creative and engaging narratives based on simple prompts, making it a useful tool for writers and content creators. Following that, we will build an AI code generator, where users can input natural language descriptions, and AI will generate structured, functional code snippets, streamlining the coding process. In the next section, we will develop a Q&A customer support chatbot, capable of answering common inquiries based on a given knowledge base, providing automated customer service responses. In addition, we will also create an AI-powered summarizer, designed to condense lengthy articles, research papers, or reports into concise summaries, helping users quickly understand key points. Moving on to LangChain, we will build a travel planner that takes user preferences and generates personalized itineraries, making trip planning easier and more efficient. Then, we will also create a math problem solver that interprets and solves mathematical equations step by step, helping students and professionals understand problem-solving techniques. In the following section, we will create GAN projects, for the first project, we will develop a random face generator, which can create realistic human faces from scratch, demonstrating the power of generative AI in producing lifelike imagery. In the second project, we will build a deep convolutional GAN from scratch by implementing the generator and discriminator functions, defining a loss function, and training the model using an adversarial learning approach to generate realistic images. Once we have built the apps we will conduct testing to make sure the app has been fully functioning and we will also deploy the app. Lastly, at the end of the course, we will build an LLM based app using no code tools like Dify AI and Relevance AI. By using these tools, you will be able to speed up the development process.
First of all, before getting into the course, we need to ask ourselves this question, why should we build apps using a large language model? Well, here is my answer, LLMs can be used for analyzing context, automating complex text-based tasks, and generating human-like responses. These technologies not only streamline workflows and accelerate information retrieval but also improve accuracy in text generation and data processing.Whether it’s content creation, document analysis, or chat-based interactions, LLMs make AI driven solutions more efficient and accessible.
Below are things that you can expect to learn from this course:
Learn the basic fundamentals of large language model and generative adversarial network, such as getting to know their use cases and understanding how they work
Learn how to find AI models in Hugging Face and download dataset from Kaggle
Learn how to build legal document analyzer using LLM
Learn how to analyze Excel data using LLM
Learn how to build AI short story generator using LLM
Learn how to build AI code generator using LLM
Learn how to build customer support chatbot using LLM
Learn how to build report summarizer using LLM
Learn how to build AI travel planner using Langchain
Learn how to build AI math solver using Langchain
Learn how to build AI random face generator using ProGAN
Learn how to build random digital art generator using Deep Convolutional GAN
Learn how to build generator and discriminator functions
Learn how to train and fine tune GAN model
Learn how to create user interface using Streamlit and deploy app to Hugging Face Space
Learn how to build LLM based apps using Dify AI and Relevance AI
СЛИВ СКЛАДЧИН
Building Generative AI Projects with LLM, Langchain, GAN
Язык английский + бонусом субтитры на русском языке, + озвучка на русском языке (ИИ)
Чему вы научитесь:
Изучите основные принципы большой языковой модели и генеративно-состязательной сети, например, изучите варианты их использования и поймите, как они работают.
Узнайте, как создать анализатор юридических документов с помощью LLM
Узнайте, как анализировать данные Excel с помощью LLM
Узнайте, как создать генератор коротких рассказов на основе искусственного интеллекта с помощью LLM
Узнайте, как создать генератор кода ИИ с помощью LLM
Узнайте, как создать чат-бот для поддержки клиентов, используя LLM
Узнайте, как создать сумматор отчетов с помощью LLM
Узнайте, как создать планировщик путешествий на основе искусственного интеллекта с помощью Langchain
Узнайте, как создать решатель математических задач на основе искусственного интеллекта с помощью Langchain
Узнайте, как создать случайный генератор лиц на основе искусственного интеллекта с помощью ProGAN
Узнайте, как создать генератор случайных цифровых изображений с использованием Deep Convolutional GAN
Узнайте, как строить функции генератора и дискриминатора
Узнайте, как обучать и настраивать модель GAN
Узнайте, как создать пользовательский интерфейс с помощью Streamlit и развернуть приложение в Hugging Face Space
Узнайте, как создавать приложения на основе LLM с использованием Dify AI и Relevance AI
Узнайте, как найти модели ИИ в Hugging Face и загрузите набор данных с Kaggle
Добро пожаловать на курс «Создание проектов генеративного ИИ с LLM, Langchain, GAN». Это комплексный курс, основанный на проектах, на котором вы узнаете, как разрабатывать продвинутые приложения ИИ с использованием больших языковых моделей, интегрировать рабочий процесс с использованием Langchain и генерировать изображения с использованием генеративных состязательных сетей. Этот курс представляет собой идеальное сочетание Python и искусственного интеллекта, что делает его идеальной возможностью попрактиковаться в навыках программирования, одновременно улучшая свои технические знания в области интеграции генеративного ИИ. На вводном занятии вы изучите основные основы больших языковых моделей и генеративных состязательных сетей, такие как знакомство с их вариантами использования и понимание того, как они работают. Затем, в следующем разделе, вы найдете и загрузите наборы данных с Kaggle, это платформа, которая предлагает разнообразную коллекцию наборов данных. После этого вы также изучите Hugging Face, это место, где вы можете получить доступ к широкому спектру готовых к использованию предварительно обученных моделей для различных приложений ИИ. Как только все будет готово, мы начнем создавать проекты ИИ. В первом разделе мы создадим анализатор юридических документов, в который пользователи смогут загружать PDF-файлы, а ИИ извлечет ключевую информацию, обобщит сложные юридические тексты и выделит важные положения для быстрого просмотра. Далее мы разработаем анализатор данных Excel, позволяющий пользователям загружать электронные таблицы и использовать ИИ для выявления тенденций, генерации идей и автоматизации процессов анализа данных. Затем мы создадим генератор коротких рассказов на основе ИИ, в котором пользователи смогут создавать креативные и увлекательные повествования на основе простых подсказок, что сделает его полезным инструментом для писателей и создателей контента. После этого мы создадим генератор кода на основе ИИ, в который пользователи смогут вводить описания на естественном языке, а ИИ будет генерировать структурированные, функциональные фрагменты кода, оптимизируя процесс кодирования. В следующем разделе мы разработаем чат-бота службы поддержки клиентов «вопрос-ответ», способного отвечать на распространенные запросы на основе заданной базы знаний, предоставляя автоматизированные ответы на вопросы клиентов. Кроме того, мы также создадим рефератор на базе ИИ, предназначенный для сжатия длинных статей, исследовательских работ или отчетов в краткие резюме, помогая пользователям быстро понимать ключевые моменты. Переходя к LangChain, мы создадим планировщик путешествий, который учитывает предпочтения пользователя и генерирует персонализированные маршруты, делая планирование поездок более простым и эффективным. Затем мы также создадим решатель математических задач, который интерпретирует и решает математические уравнения шаг за шагом, помогая студентам и профессионалам понять методы решения проблем. В следующем разделе мы создадим проекты GAN, для первого проекта мы разработаем генератор случайных лиц, который может создавать реалистичные человеческие лица с нуля, демонстрируя силу генеративного ИИ в создании реалистичных изображений. Во втором проекте,мы построим глубокую сверточную GAN с нуля, реализовав функции генератора и дискриминатора, определив функцию потерь и обучив модель с помощью подхода состязательного обучения для генерации реалистичных изображений. После того, как мы построим приложения, мы проведем тестирование, чтобы убедиться, что приложение полностью функционирует, а также развернем приложение. Наконец, в конце курса мы построим приложение на основе LLM, используя инструменты без кода, такие как Dify AI и Relevance AI. Используя эти инструменты, вы сможете ускорить процесс разработки.
Прежде всего, перед тем как приступить к курсу, нам нужно задать себе вопрос: почему мы должны создавать приложения с использованием большой языковой модели? Ну, вот мой ответ: LLM можно использовать для анализа контекста, автоматизации сложных текстовых задач и генерации ответов, подобных человеческим. Эти технологии не только оптимизируют рабочие процессы и ускоряют поиск информации, но и повышают точность генерации текста и обработки данных. Будь то создание контента, анализ документов или взаимодействие в чате, LLM делают решения на основе ИИ более эффективными и доступными.
Ниже приведено то, чему вы научитесь в ходе этого курса:
Изучите основные принципы большой языковой модели и генеративно-состязательной сети, например, изучите варианты их использования и поймите, как они работают.
Узнайте, как найти модели ИИ в Hugging Face и загрузите набор данных с Kaggle
Узнайте, как создать анализатор юридических документов с помощью LLM
Узнайте, как анализировать данные Excel с помощью LLM
Узнайте, как создать генератор коротких рассказов на основе искусственного интеллекта с помощью LLM
Узнайте, как создать генератор кода ИИ с помощью LLM
Узнайте, как создать чат-бот для поддержки клиентов, используя LLM
Узнайте, как создать сумматор отчетов с помощью LLM
Узнайте, как создать планировщик путешествий на основе искусственного интеллекта с помощью Langchain
Узнайте, как создать решатель математических задач на основе искусственного интеллекта с помощью Langchain
Узнайте, как создать случайный генератор лиц на основе искусственного интеллекта с помощью ProGAN
Узнайте, как создать генератор случайных цифровых изображений с использованием Deep Convolutional GAN
Узнайте, как строить функции генератора и дискриминатора
Узнайте, как обучать и настраивать модель GAN
Узнайте, как создать пользовательский интерфейс с помощью Streamlit и развернуть приложение в Hugging Face Space
Узнайте, как создавать приложения на основе LLM с использованием Dify AI и Relevance AI
Материалы курса:
18 разделов • 22 лекций • Общая продолжительность 4 ч 34 мин
Введение в курс
Инстурменты, IDE и набор данных
Введение в LLM и GAN
Поиск и загрузка набора данных из Kaggle
Поиск ИИ-моделей в Hugging Face
Создание анализатора юридических документов с LLM
Анализ данных Excel с помощью LLM
Создание генератора коротких рассказов на основе искусственного интеллекта с LLM
Создание генератора кода ИИ с LLM
Создание чат-бота для поддержки клиентов с LLM
Создание сумматора отчетов с LLM
Создание ИИ-планировщика путешествий с помощью Langchain
Создание решателя математических задач на основе искусственного интеллекта с помощью Langchain
Создание случайного генератора лиц на основе ИИ с помощью ProGAN
Создание пользовательского интерфейса с помощью Streamlit и развертывание приложения в Hugging Face Space
Создание приложений на основе LLM с помощью Dify AI и Relevance AI
Заключение и резюме
ПРОМО на русском языке:
Спойлер: Оригинал
Welcome to Building Generative AI Projects with LLM, Langchain, GAN course. This is a comprehensive project based course where you will learn how to develop advanced AI applications using Large Language Models, integrate workflow using Langchain, and generate images using Generative Adversarial Networks. This course is a perfect combination between Python and artificial intelligence, making it an ideal opportunity to practice your programming skills while improving your technical knowledge in generative AI integration. In the introduction session, you will learn the basic fundamentals of large language models and generative adversarial networks, such as getting to know their use cases and understand how they work. Then, in the next section, you will find and download datasets from Kaggle, it is a platform that offers a diverse collection of datasets. Afterward, you will also explore Hugging Face, it is a place where you can access a wide range of ready to use pre-trained models for various AI applications. Once everything is ready, we will start building the AI projects. In the first section, we are going to build a legal document analyzer, where users can upload a PDF file, and AI will extract key information, summarize complex legal texts, and highlight important clauses for quick review. Next, we will develop an Excel data analyzer, enabling users to upload spreadsheets and leverage AI to identify trends, generate insights, and automate data analysis processes. Then after that, we will create an AI short story generator, where users can generate creative and engaging narratives based on simple prompts, making it a useful tool for writers and content creators. Following that, we will build an AI code generator, where users can input natural language descriptions, and AI will generate structured, functional code snippets, streamlining the coding process. In the next section, we will develop a Q&A customer support chatbot, capable of answering common inquiries based on a given knowledge base, providing automated customer service responses. In addition, we will also create an AI-powered summarizer, designed to condense lengthy articles, research papers, or reports into concise summaries, helping users quickly understand key points. Moving on to LangChain, we will build a travel planner that takes user preferences and generates personalized itineraries, making trip planning easier and more efficient. Then, we will also create a math problem solver that interprets and solves mathematical equations step by step, helping students and professionals understand problem-solving techniques. In the following section, we will create GAN projects, for the first project, we will develop a random face generator, which can create realistic human faces from scratch, demonstrating the power of generative AI in producing lifelike imagery. In the second project, we will build a deep convolutional GAN from scratch by implementing the generator and discriminator functions, defining a loss function, and training the model using an adversarial learning approach to generate realistic images. Once we have built the apps we will conduct testing to make sure the app has been fully functioning and we will also deploy the app. Lastly, at the end of the course, we will build an LLM based app using no code tools like Dify AI and Relevance AI. By using these tools, you will be able to speed up the development process.
First of all, before getting into the course, we need to ask ourselves this question, why should we build apps using a large language model? Well, here is my answer, LLMs can be used for analyzing context, automating complex text-based tasks, and generating human-like responses. These technologies not only streamline workflows and accelerate information retrieval but also improve accuracy in text generation and data processing.Whether it’s content creation, document analysis, or chat-based interactions, LLMs make AI driven solutions more efficient and accessible.
Below are things that you can expect to learn from this course:
Learn the basic fundamentals of large language model and generative adversarial network, such as getting to know their use cases and understanding how they work
Learn how to find AI models in Hugging Face and download dataset from Kaggle
Learn how to build legal document analyzer using LLM
Learn how to analyze Excel data using LLM
Learn how to build AI short story generator using LLM
Learn how to build AI code generator using LLM
Learn how to build customer support chatbot using LLM
Learn how to build report summarizer using LLM
Learn how to build AI travel planner using Langchain
Learn how to build AI math solver using Langchain
Learn how to build AI random face generator using ProGAN
Learn how to build random digital art generator using Deep Convolutional GAN
Learn how to build generator and discriminator functions
Learn how to train and fine tune GAN model
Learn how to create user interface using Streamlit and deploy app to Hugging Face Space
Learn how to build LLM based apps using Dify AI and Relevance AI
СЛИВ СКЛАДЧИН
Для просмотра скрытого содержимого вы должны зарегистрироваться
Возможно, Вас ещё заинтересует:
- Магия свечей [Оксана Воронина]
- Сила х Пилатес от Мэл (на 1 месяц) [Мелании Антучас]
- Печень, судьба, энергия. Энергетические практики для исцеления [Людмила Угольникова]
- Создание бизнес-романа в вашей теме через нейросеть [Дмитрий Зверев]
- Легкий способ пережить расставание (психология отношений) [Данил Толмачев]
- [Бумажная лоза] Клуб Плетем - и точка! (март 2025) [Светлана Сафонова, Александра Зулхайди, Зиляра Хаматханова, Наталья Корнеева]