随着人工智能(AI)和机器学习(ML)技术的快速发展,生成性人工智能(Generative AI)在研究与开发(R&D)领域展现出广阔的应用前景。通过利用AWS平台和Python编程语言,学习者能够构建出功能强大的AI应用和聊天机器人。本文将简要介绍这一课程所涵盖的主要学习内容与实践项目。
由 Shikhar Verma 创建 • 全球 9 万多名学生
MP4 | 视频:h264、1280×720 | 音频:AAC,44.1 KHz,2 声道
级别:全部 | 类型:电子学习 | 语言:英语 | 时长:211 讲(12 小时 38 分钟)| 大小:4.44 GB
课程的首要目标是为学生提供AI、ML及神经网络的基础知识,使其对这些技术在现实世界中的应用有深入的了解。学生将学习深度学习的基础,深入探讨生成性人工智能的工作原理,并对基础模型(Foundation Models)进行详尽了解。具体而言,课程将涵盖大型语言模型(LLMs)、文本到图像的生成以及多模态AI的实际案例。
本课程的实用性体现在多个案例研究中,学生将通过亚马逊Bedrock控制台及其相关工具进行实际操作。教师将指导学生完成以下用例:利用AWS Lambda和亚马逊AI模型实现文本到图像的生成、利用稳定扩散模型(Stable Diffusion)进行同类生成、使用Cohere Command和文本基础模型进行文本摘要,以及开发基于AWS Bedrock的Python聊天机器人。此外,学生还将学习如何用Streamlit框架构建聊天机器人,以及采用LangChain驱动的应用。
在技术实践方面,学生将会开发一个文本到语音(TTS)播放器,利用Python的gTTS、os和pygame等库实现功能。同时,课程还将涵盖Python编程的基本知识,包括正则表达式的应用、变量的声明及赋值、函数的定义与使用等,帮助学生在编码能力上达到更高的水平。
为顺利参与此课程,学员需具备基本的计算机操作能力,拥有AWS账号,并对Python有基本的认识。通过这一系列的学习与实践,学生将掌握生成性AI在研发中的核心应用,为未来的技术发展奠定坚实基础。
在本课程中,您将学习如何使用 Bedrock、LLM、LangChain、RAG、Python、Streamlit 和各种基础模型构建生成式 AI 应用程序和聊天机器人,重点介绍它们在实际项目的研究和开发中的应用。用于研究和开发的生成式 AI 以下是课程中介绍的关键用例和项目:文本到图像生成:了解如何使用 AWS Lambda 和 Amazon AI 模型从文本生成图像,并提供完整的设置指南。使用稳定扩散进行文本到图像生成:探索如何集成稳定扩散模型以根据文本输入生成图像。文本摘要:了解如何使用 Cohere 命令和文本基础模型进行有效的文本摘要。基于 Python 的聊天机器人:使用 AWS Bedrock 和 Anthropic Claude FM 构建聊天机器人。基于 Streamlit 的 Python 聊天机器人:使用 AWS Bedrock 和 Anthropic Claude 创建一个动态的、由 Streamlit 驱动的 Python 聊天机器人。LangChain 驱动的聊天机器人:构建一个使用 Python、AWS Bedrock 和 Anthropic Claude 开发由 LangChain 提供支持的 Streamlit 聊天机器人。RAG 用于健康聊天机器人:实现检索增强生成 (RAG) 以开发与健康相关的聊天机器人。项目:Text2Speech 播放器 – 一个动手项目,学生将使用 Python 库(如 gTTS、os 和 pygame)开发文本转语音 (TTS) 播放器。第 1 节:AI、ML 简介课程概述概览AI 简介AI 的实际应用机器学习概述机器学习应用AI 和 ML:了解它们的关系机器学习的类型:监督学习无监督 ML强化 ML第 2 节:深度学习基础深度学习简介深度学习、AI 和 ML神经网络第 3 节:生成 AI 及其应用生成 AI 简介生成 AI 的实际应用生成 AI 的好处AI 之间的关系, ML、DL 和生成式 AI 第 4 节:基础模型、LLM、文本转图像和多模态 AI 基础模型简介 LLM、文本转图像模型多模态模型 第 5 节:Amazon Bedrock 和基础模型:深入探索 Amazon Bedrock 简介 Amazon Bedrock 的工作原理?Amazon Bedrock 中的基础模型通过 Amazon Bedrock 实现的各种基础模型 第 6 节:探索 Amazon Bedrock 控制台和功能 Amazon Bedrock 控制台 Amazon Bedrock 中的 Playgrounds 功能 Amazon Bedrock 中的 Builder Tools 功能 Amazon Bedrock 中的 Safeguard 功能 Amazon Bedrock 中的模型访问 第 7 节:基础模型的推理参数随机性和多样性温度、Top P、Top K 等长度控制:响应长度、停止序列和长度惩罚 第 8 节:Gen AI 用例 1:使用 Lambda 和 Amazon 模型生成文本转图像项目概述登录 AWS 并访问 Bedrock 服务创建 S3 存储桶和 Lambda 函数配置并分配 Lambda 函数的权限开始编写 Lambda 函数代码:导入 json 和 boto3将文本输入发送到 Lambda 函数验证 Boto3 版本调用 Bedrock 模型 (Titan Image Generator G1)推理参数图像生成配置调用模型所需的参数打印模型的响应使用 ChatGPT 安排模型响应从模型的响应中提取所需的键值使用 Cloud Watch Logs 提取图像数据设置 S3 存储桶和对象键将图像上传到 S3 存储桶检查 S3 存储桶中生成的图像为 S3 存储桶配置适当的权限为图像访问生成预签名 URL通过预签名 URL 验证和访问图像Return 语句API 网关简介创建 REST API通过 API 网关传递查询参数在 API 网关中创建映射模板主体通过 API 网关进行最终测试第 9 节:Gen AI 用例 2:使用 Lambda 和稳定扩散生成文本到图像用例概述入门前的预期结果创建 Lambda 函数和 S3 存储桶配置并为 Lambda 分配权限函数开始编写 Lambda 函数:导入 json 和 boto3通过代码将 Lambda 连接到 Bedrock 和 S3创建一个函数以将输入文本发送到 Lambda通过 Anthropic 验证稳定扩散模型访问调用 Bedrock 模型(稳定扩散)提供模型推理参数打印提示的 Bedrock 模型响应将模型响应从 JSON 转换为 Python 字典打印模型的响应从模型的响应中提取所需的键值使用 Cloud Watch Logs 提取图像数据定义存储桶和对象键名称将图像上传到 S3 存储桶从 S3 下载并检查图像为图像访问生成预签名 URL重新运行 Lambda 以生成图像 URLReturn 语句API 网关简介创建 REST API通过 API 网关提供 URL 查询字符串参数在 API 网关映射模板中创建模板主体通过 API 网关进行最终测试第 10 节:GenAI 用例 3:使用 Cohere 命令文本 FM 生成文本摘要用例概述预期结果入门前创建并分配 Lambda 函数权限Lambda 函数:导入 json 和 boto3创建一个函数来处理文本输入以进行摘要运行 Lambda 函数以查看响应调用模型进行文本摘要 – Cohere 命令提供模型推理参数运行 Lambda 函数以查看响应将响应转换为 Python 字典提取“text”键的值返回模型响应创建 API 网关在 API 网关中设置 URL 查询参数并创建映射模板通过 API 网关进行最终测试第 11 节:项目 – Text2Speech 播放器Text2Speech 项目简介导入 Python 库:gTTS、os、pygame、time文本转语音对话函数将语音另存为音频文件初始化 pygame 混音器以进行音频播放等待音频播放完毕播放后删除音频文件调用函数运行并调试文本转语音播放器代码第 12 节:Gen AI 用例 4:使用 AWS Bedrock 和 Anthropic Claude FM 构建基于 Python 的聊天机器人聊天机器人项目概述安装和设置 VS Code创建 IAM 用户以访问 Bedrock通过 AWS CLI 授权 VS Code 访问 AWS开始使用 Python:导入 JSON 和 Boto3定义一个函数来设置 Bedrock 客户端定义一个函数来调用 Bedrock 模型传递参数以调用模型定义模型推理参数定义主体参数使用 Python 中的参数调用函数手动获取用户输入并调用 Bedrock 模型显示模型的响应来自 Anthropic 模型的响应对聊天机器人进行故障排除和运行 Python 代码循环运行聊天机器人第 13 节:GenAI 用例 5:使用 AWS Bedrock 和 Anthropic Claude 的基于 Streamlit 的 Python 聊天机器人聊天机器人项目概述用于构建基本 LLM 聊天应用程序的 Streamlit 简介用于调用 Bedrock 模型的 Python 代码用于构建前端Streamlit Python 代码 – 初始化聊天历史记录Streamlit 代码:添加按钮供用户输入Streamlit 代码:清除聊天历史记录运行 Streamlit Python 聊天机器人第 14 节:GenAI 用例 6:使用 Python、AWS Bedrock、Anthropic Claude 实现 LangChain 驱动的 Streamlit 聊天机器人LangChain 功能概述聊天机器人演示和架构说明从 LangChain 库导入类安装 VS Code 并开始使用 Python 编码使用 ChatBedrock 初始化 FM 参数设置模型 ID 和参数初始化对话内存 – ConversationSummaryBufferMemory用于管理聊天机器人对话的函数 – ConversationChain用于构建前端的 Streamlit Python 代码故障排除运行聊天机器人并验证 LangChain 功能第 15 节:GenAI 用例7:检索增强生成 (RAG) – 构建健康聊天机器人入门前的预期结果项目概述先决条件 – 必需的安装和设置导入所有必要的 Python库使用 PyPDFLoader 加载内部数据源使用 RecursiveCharacterTextSplitter 拆分数据使用 AWS CLI 在 VS Code 中建立 AWS 访问权限创建文本嵌入创建函数创建函数以连接 Claude FM创建函数以搜索 Vector DB 以查找最佳匹配用于前端开发的 Streamlit 代码验证 Python 卫生部门 QA 聊天机器人第 16 节:Python 语言简介简介Python 概述关于 Shell 脚本Python 与 Shell 脚本何时使用 Python 与 Shell 脚本第 17 节:如何开始练习 Python 编码开始 Python 编码实践Visual Studio Code – Python 编码实践PyCharm – IDECodespaces – 在线编码平台第 18 节:Python 数据类型关于 Python 中的数据类型实验室 – 字符串数据类型实验室 – 整数数据类型实验室 – 浮点数据类型实验室 – len(),字符串的长度实验室 – 字符串 upper(),lower()Lab – 字符串 replace()Lab – 字符串 split()Lab – 在 split() 中打印特定对象关于 Python 中的列表Lab – 列表数据类型Lab – 在列表数据类型中添加和修改(可变)关于 Python 中的元组Lab – Python 中的元组关于 Python 中的集合Lab – Python 中的集合Python 中的字典Lab – Python 中的字典布尔数据类型Lab – Python 中的布尔值第 19 节:Python 中的正则表达式 (regex)Python 中正则表达式概述Lab – 使用 re.match() 匹配字符串开头的模式Lab – 使用 re.search() 在字符串中的任意位置查找匹配项Lab – 使用 re. findall() 搜索字符串中的所有匹配项从 DevOps 角度看正则表达式用例编码练习第 20 节:掌握 Python 中的关键字Python 中的关键字概述常用 Python 关键字掌握控制流关键字 – if、else、for 和 break实验室:掌握控制流关键字 – continue、def、return、class、import 等第 21 节:使用 Python 中的变量使用示例概述变量实验室:使用 Python 中的浮点变量实验室:将列表定义为 Python 中的变量实验室:使用 Python 中的字典变量第 22 节:Python 中的 Return 语句Return 语句:带语法的概述实验室:创建返回值的函数实验室:返回多个值的函数实验室:用于识别偶数和奇值的函数第 23 节:Python 函数:定义和用法Python 函数简介Python 函数的优势实验室:带参数的函数实验室:带返回值的函数实验室:设计用于基本算术运算的函数-> 比较脚本:使用函数与不使用函数第 24 节:在函数设计中使用模块Python 模块简介内置模块概述用户定义模块概述实验室:Python 中的基本内置模块实验室:操作系统和数学模块实验室:构建您自己的模块最后一堂课Python 函数:定义和用法Python 函数简介Python 函数的优势实验室:带参数的函数实验室:带返回值的函数实验室:设计用于基本算术运算的函数-> 比较脚本:使用函数与不使用函数第 24 节:在函数设计中使用模块Python 模块简介内置模块概述用户定义模块概述实验室:Python 中的基本内置模块实验室:操作系统和数学模块实验室:构建您自己的模块最后一讲Python 函数:定义和用法Python 函数简介Python 函数的优势实验室:带参数的函数实验室:带返回值的函数实验室:设计用于基本算术运算的函数-> 比较脚本:使用函数与不使用函数第 24 节:在函数设计中使用模块Python 模块简介内置模块概述用户定义模块概述实验室:Python 中的基本内置模块实验室:操作系统和数学模块实验室:构建您自己的模块最后一讲
1、登录后,打赏30元成为VIP会员,全站资源免费获取!
2、资源默认为百度网盘链接,请用浏览器打开输入提取码不要有多余空格,如无法获取 请联系微信 yunqiaonet 补发。
3、分卷压缩包资源 需全部下载后解压第一个压缩包即可,下载过程不要强制中断 建议用winrar解压或360解压缩软件解压!
4、云桥网络平台所发布资源仅供用户自学自用,用户需以学习为目的,按需下载,严禁批量采集搬运共享资源等行为,望知悉!!!
5、云桥网络-CG数字艺术学习与资源分享平台,感谢您的赞赏与支持!平台所收取打赏费用仅作为平台服务器租赁及人员维护资金 费用不为素材本身费用,望理解知悉!
评论(0)