Úvod do strojového učení a pokročilé techniky LLM (AILLM)

Náplň kurzu:

Skrýt detaily

• Úvod do strojového učení
1. Definice a význam strojového učení
2. Klíčové pojmy a terminologie

• Strojové učení vs. hluboké učení
1. Rozdíly mezi tradičním strojovým učením a hlubokým učením
2. Případy použití pro jednotlivé přístupy

• Velké jazykové modely (LLM: Large Language Model)
1. Úvod do LLM, definice pojmu
2. LLM – teoretický přehled (aplikace a výhody LLM, neuronová síť na bázi transformátorů, jak trénovat na velkých datech, parametry modelu - čím větší, tím chytřejší?)

• Co umí LLM?
1. Generování textu – psaní článků, esejí, básní, skriptů, kódu
2. Překlady a jazyková analýza – zlepšení kvality automatických překladů
3. Chatboti a virtuální asistenti – například ChatGPT, Claude, Gemini
4. Shrnování a analýza dat – LLM mohou analyzovat dokumenty a extrahovat důležité informace
5. Programování – dokážou generovat a opravovat kód v různých jazycích

• Úvod do systému Ollama
1. Průvodce krok za krokem instalací systému Ollama
2. Řešení běžných problémů s instalací

• Požadavky na hardware a software
1. Systémové specifikace pro provoz systému Ollama
2. Kompatibilita s různými operačními systémy

• Lokální spouštění modelů LLM
1. Nastavení místního prostředí pro modely LLM
2. Osvědčené postupy pro místní nasazení

• GPU akcelerace
1. Výhody použití GPU pro úlohy strojového učení
2. Konfigurace akcelerace GPU v aplikaci Ollama

• Použití Ollama s Pythonem
1. Úvod do integrace Ollama s Pythonem
2. Hlavní výhody a případy použití

• Rozhraní REST API
1. Porozumění rozhraní REST API poskytované společností Ollama
2. Volání API z jazyka Python

• Knihovny jazyka Python
1. Základní knihovny Pythonu pro práci s Ollama
2. Příklady běžných úloh využívajících tyto knihovny

• Úvod do LangChain
1. Co je LangChain?
2. Klíčové vlastnosti a výhody

• Použití řetězce LangChain z jazyka Python
1. Nastavení systému LangChain v prostředí Python
2. Základní operace a příklady

• Použití LangChain s Ollama
1. Integrace LangChain s Ollama pro rozšíření funkcí
2. Praktické případy použití a ukázky

• Šablony promptů
1. Vytváření a používání šablon promptů v systému LangChain
2. Osvědčené postupy pro účinné prompty

• Formátování a zpracování výstupů
1. Techniky formátování a zpracování výstupů z LangChain
2. Zpracování různých typů výstupních dat

• Zavedení RAG (Retrieval-Augmented Generation)
1. Co je to RAG?
2. Jak rozšiřuje možnosti LLM

• Načítání dokumentů pomocí LangChain a Ollama
1. Techniky pro načítání a správu dokumentů v systémech LangChain a Ollama
2. Osvědčené postupy pro manipulaci s dokumenty

• Embeddings
1. Pochopení embeddings v kontextu RAG
2. Vytváření a efektivní používání vnořených prvků

• Ukázkové použití ChatBota
1. Úvod do tvorby aplikace chatbot
2. Klíčové součásti a architektura

• Kroky implementace
1. Průvodce krok za krokem k vytvoření chatbota pomocí Ollama, LangChain a RAG
2. Integrace různých modulů pro ucelené řešení

• Testování a nasazení
1. Testování funkčnosti a výkonu chatbota
2. Nasazení chatbota v různých prostředích