通过 Microsoft 云倡导者提供的 12 节课综合课程,了解构建生成式 AI 应用程序的基础知识。每节课都涵盖了生成式 AI 原理和应用程序开发的关键方面。
每节课包括:
该主题的简短视频介绍
书面课程位于自述文件中
对于基于项目的课程,带有代码示例的 Juypter 笔记本
应用所学知识的挑战或作业
链接到额外的资源,以继续你的学习
1.课程介绍 – 如何参加这门课
概念:技术设置和课程结构
学习目标:为在本课程中的学习做好准备
2.介绍生成式AI和LLMs
概念:生成式AI是什么,以及我们是如何进入当前技术领域的
学习目标:了解生成式AI是什么,以及大型语言模型(LLMs)是如何工作的
3.探索和比较不同的LLMs
概念:测试、迭代和比较不同的大型语言模型
学习目标:为你的用例选择合适的模型
4.负责任地使用生成式AI
概念:了解基础模型的局限性和AI背后的风险
学习目标:负责任地构建生成式AI应用程序
5.理解提示工程基础
代码/概念:亲手应用提示工程最佳实践
学习目标:理解提示的结构和用法
6.创建高级提示
代码/概念:通过将不同技术应用于你的提示来扩展你对提示工程的了解
学习目标:应用提示工程技术以改进你的提示的结果
7.构建文本生成应用程序
代码:使用Azure OpenAI构建文本生成应用程序
学习目标:了解如何有效使用令牌和温度来改变模型的输出
8.构建聊天应用程序
代码:高效构建和集成聊天应用程序的技术
学习目标:确定关键指标和考虑因素,以有效监控和维护AI驱动的聊天应用程序的质量
9.构建搜索应用程序矢量数据库
代码:语义与关键字搜索。文本嵌入是什么,它们如何应用于搜索
学习目标:创建一个使用嵌入来搜索数据的应用程序
10.构建图像生成应用程序
代码:图像生成及其在构建应用程序中的用途
学习目标:构建图像生成应用程序
11.构建低代码AI应用程序
低代码:在Power Platform中介绍生成式AI
学习目标:为我们的教育初创公司构建学生作业跟踪应用程序,使用低代码
12.设计AI应用程序的用户体验
概念:设计AI应用程序以获得信任和透明度
学习目标:在开发生成式AI应用程序时应用用户体验设计原则