元壤教育(公众号ID:yuanrang_edu):专注于AIGC大模型应用开发工程师和AIGC+数字人全栈运营师就业培训,帮助3000万大学生和职业人士构建AIGC新职场的高速公路。
人工智能是新电力。正如大约 100 年前电力改变了许多行业一样,人工智能现在也将做到这一点。— 吴恩达
“在我看来,几乎可以肯定的是,人工智能与人类智能共同推动的许多重大变化将在未来 10 年(实际上是未来三年)在许多领域带来令人震惊的进步。” 雷·达里奥
不要只是观察AIGC,更要主动应用它。就像电力曾经改变世界,AIGC也将重塑未来。这是技术和思维的双重跃进。" — 元壤教育·黎跃春
项目0:从0到1学习AIGC提示工程,深入理解AIGC提示工程原理,并从0到1构建订餐机器人。
项目1:构建一个具有LangChain、OpenAI和Hugging Face Spaces无与伦比的能力的动态问答应用。
项目 2:使用 LangChain 和 OpenAI 开发一个引人入胜的对话机器人,以提供交互式用户体验。
项目 3:创建一款专为儿童量身定制的人工智能应用程序,促进相关类别物体的发现并促进教育发展。
项目 4:构建一个引人入胜的营销活动应用程序,利用精心制作的销售文案的说服力潜力,提高销量和品牌影响力。
项目 5:开发带有附加摘要功能的 ChatGPT 克隆,提供多功能且宝贵的聊天机器人体验。
项目 6: MCQ Quiz Creator 应用程序 - 使用 LangChain 和 chroma/Pinecone 为您的学生无缝创建多项选择测验。
项目 7: CSV 数据分析 Toll - 通过回答有关数据的查询来帮助您分析 CSV 文件。
项目 8:小红书、视频号、抖音、快手短视频脚本编写工具 - 使用这款用户友好且高效的脚本编写工具,轻松创建引人注目的 小红书、视频号、抖音、快手短视频脚本。
项目 9 - 支持您网站的聊天机器人 - 帮助您的访问者/客户找到对他们有用的相关数据或博客链接。
项目 10 - 自动票证分类工具 - 自动票证分类工具根据内容对支持票证进行分类,以简化票证管理和响应流程。
项目11 - HR - 简历筛选协助 - HR项目利用AI辅助筛选简历,通过智能分析和建议优化招聘流程
项目 12 - 使用 LLAMA 2 的电子邮件生成器 - 电子邮件生成器是一种自动创建自定义电子邮件的工具,可节省制作个性化消息的时间和精力。
项目 13 - 使用 LLAMA 2 的发票提取机器人 - 发票提取机器人:人工智能驱动的工具,可准确高效地从发票中提取关键详细信息。简化您的数据输入过程。
项目 14 - 文本到SQL查询 - 辅助工具 || Google Collab || LLAMA 2
项目 15 - 客服电话摘要警报 || OpenAI || Zapier NLA
帮助您使用 LLM 创建 LLM 支持的应用程序,这将帮助您节省时间并提高效率
课程结束时,您将能够从事langchain LLM实时项目。
探索可在您的 Langchain 项目中使用的有用概念
您将对 LangChain 组件(如 LLM 包装器、提示模板和内存)有深入的了解。
此外,我们将深入研究嵌入和矢量数据存储的概念,学习如何有效地利用它们来提高 LangChain 的性能
由浅入深讲解GitHub Copilot 和 Copilot Labs 在开发中的应用,让您的开发效率10倍增长。
2023年09月09日 09:00 - 12:00:深入浅出5000+提示词的AIGC提示工程
1.1. 踏入神奇的ChatGPT世界:课程导览
1.2. 了如指掌:掌握提示列表的艺术
1.3. 了解挑战:揭示ChatGPT的局限与可能
1.4. 职业未来展望:成为前沿的“提示工程师”
2.1. 踏入新领域:ChatGPT与提示工程简介
2.2. 深度揭秘:什么是提示与提示工程?
2.3. 为何学习提示工程?
2.4. 五大常见误区:ChatGPT提示工程
2.5. 最佳实践与挑战:ChatGPT提示工程
2.6. 标准提示:ChatGPT提示工程技巧
2.7. 角色提示:更进一步的ChatGPT互动
2.8. 零样本学习提示:精准对话技巧
2.9. 少量学习提示:效果与应用
2.10. 思维链提示:流畅的对话体验
2.11. 少量样本学习与思维链提示:何去何从?
2.12. 动手实操:ChatGPT提示工程项目
3.1. 完美提示:结构解析
3.2. 完美提示:如何利用Word文档
3.3. 完美提示:行业应用技巧
3.4. 完美提示:音调、风格和语音的差异
3.5. 完美提示:如何巧妙运用音调、语音和风格
3.6. 完美提示:使用动词的秘密
3.7. 完美提示:提及客户类型的策略
3.8. 完美提示:上下文背景的妙用
3.9. 完美提示:输出格式技巧
3.10. 完美提示:后续提示的结构
4.1. 时间管理
4.2. 任务分类技巧
4.3. 保持最佳专注的策略
4.4. 建立高效日常例程
4.5. 制定个人使命声明
4.6. 培养成长思维
4.7. 韧性与适应能力培训
4.8. 个人成长与学习的书单推荐
4.9. 通信技巧培训
4.10. 本章节的提示总结
5.1. 广告文案写作
5.2. 邮件文案撰写专家
5.3. 电子邮件营销专家
5.4. 英语 - 翻译、词汇及语法
5.5. SEO专家
5.6. 社交媒体经理
5.7. 市场营销专家
5.8. 人力资源咨询师
5.9. 简历及求职信写手
5.10. Excel专家
5.11. 编程助手
5.12. 网站开发者
5.13. 教师/教授
5.14. 职业教练
5.15. 广告人
5.16. 数码产品创作者
5.17. SaaS产品开发者
5.18. 客户服务经理
5.19. 文案编辑
5.20. 内容策略师
5.21. 校对员
5.22. 创业家
5.23. 产品经理
5.24. 研究员
5.25. 筹款专家
5.26. 游戏设计师
6.1. 学生
6.2. 面试与准备
6.3. 课程创作者
6.4. 体育和健身教练
6.5. 体育营养师
7.1. 金融顾问
7.2. 家庭疗法师
7.3. 家长
7.4. 诗人
7.5. 特殊教育教师
8.1. 使用专家的角色 - 真实人物
8.2. 总结!
1.1. VSCode 安装
1.2. OpenAI AIPKEY生成和获取
1.3.AIPKEY 本地环境变量配置
1.4. 提示工程之API对话:HelloWord
1.5. AzureOpenAI 账号申请,模型部署,API 调用:提示工程之HelloWord
1.6. AzureOpenAI 接通ChatBOX
2.1. Token, Prompt, Completion
2.2. System, Assistant, User:ChatGPT 架构与角色详解
2.3. 掌握 ChatGPT API 中的温度和 Top_p,有关控制提示响应的创造力/确定性输出的一些提示和技巧
2.4. 基于代码实现的AIGC提示工程:提示原则
2.5. 基于代码实现的AIGC提示工程:迭代式提示开发
2.6. 基于代码实现的AIGC提示工程:文本概括 Summarizing
2.7. 基于代码实现的AIGC提示工程:推断 Inferring
2.8. 基于代码实现的AIGC提示工程:文本转换 Transforming
2.9. 基于代码实现的AIGC提示工程:文本扩展 Expand
2.10. 基于代码实现的AIGC提示工程:订餐机器人 ChatOrderFood
3.1. 第一节:小试牛刀,课程概述 - 介绍课程大纲和目标
3.2. 第二节:GitHub Copilot 快速入门 - 基础操作和安装说明
3.3. 第三节:GitHub Copilot Chat 初识 - 介绍 GitHub Copilot 的聊天功能
3.4. 第四节:如何使用 GitHub Copilot:提示、技巧和用例 - 高级操作和最佳实践
3.5. 第五节:使用 Copilot 编写和翻译二分搜索算法 - 具体编程案例:二分搜索
3.6. 第六节:为什么使用 GitHub Copilot 和 Copilot Labs:AI 结对程序员的实际用例 - 讨论 AI 结对编程的优点和实际应用场景
3.7. 第七节:如何使用 GitHub Copilot 发送推文 - 教学如何用 Copilot 来进行社交媒体活动
3.8. 第八节:GitHub Copilot 对我的团队来说是一项有价值的投资吗?- ROI(投资回报率)和团队协作的考量
3.9. 第九节:如何使用 GitHub Copilot 构建石头剪刀布游戏 - 具体编程案例:游戏开发
3.10. 第十节:使用 GitHub Copilot 进行快速工程的初学者指南 - 针对初学者的快速开发指导
3.11. 第十一节:如何在两分钟内构建一个 Markdown 编辑器(使用 GitHub Copilot)- 快速开发一个 Markdown 编辑器
3.12. 第十二节:如何使用 GitHub Copilot 学习 p5.js - 用 Copilot 辅助学习 p5.js 库
3.13. 第十三节:使用 Nextjs、React 和 GitHub Copilot 构建 GPT-3 应用程序实践 - 构建一个使用 GPT-3 的复杂应用
3.14. 第十四节:引入 GitHub Copilot 的代码引用 - 如何在代码中加入引用和注释
3.15. 第十五节:如何使用 GitHub Copilot 构建浏览器扩展 - 创建浏览器扩展程序
2023年09月09日 19:00 - 21:00:AIGC提示工程任务实战【作业+辅导】
2023年09月10日 09:00 - 12:00 14:00 - 18:00
1.1 课程大纲:掌握你将获得什么
1.2 项目效果演示:激发你浓厚的学习兴趣
1.3 LangChain解码:了解这个变革性平台
1.4 一份来自心底的请求:为什么你应该全程关注
2.1 OpenAI全貌:了解全球前沿的AI研究组织
2.2 生成你的OpenAI API密钥:一键获取AI能力
3.1 LangChain实例演示:一步步带你实现目标
3.2 Anaconda安装教程:打造Python科学计算的完美环境
4.1 LangChain模块全景:打开模型模块的神秘之门
5.1 从基础项目入手:一步一步掌握LangChain的力量
6.1 领略LLMs全景:从原理到实践的全方位解读
6.2 使用Python进行LLM实际操作:深入浅出的编程实践
6.3 项目环境搭建:轻松设置你的开发环境
6.4 动手构建简易问答应用:由零到一的项目实现
7.1 聊天模型解析:快速掌握核心概念
7.2 使用Python实现聊天模型:掌握实践技巧
8.1 文本嵌入解析:一窥嵌入技术的奥秘
8.2 使用Python实现文本嵌入:深入探讨实践案例
8.3 Python文本嵌入示例:解码实用技术
8.4 动手构建相似词汇查找器:带孩子走进AI世界
9.1 提示模块全解:探索Langchain的智能提示系统
9.2 深入提示模板:模板的力量与灵活性
9.3 示例选择器详解:如何高效选择输入示例
9.4 扩充输入提示的示例:多样化你的输入数据
9.5 输出解析器详解:高效地处理模型输出
10.1 Jupyter笔记本转换为Python脚本:一步步指导
10.2 构建应用前端:从零开始
10.3 前后端整合:完美协同工作
10.4 代码模块化:简洁、高效、可维护
10.5 添加示例:适用于儿童、成人和老年人
10.6 项目源代码:掌握核心
11.1 LLM驱动应用中内存的重要性:关键因素解析
11.2 不同类型的内存:全面掌握
11.3 项目源代码:深入核心
12.1 ChatGPT 克隆版演示:一窥究竟
12.2 项目设置:从零开始
12.3 实现前端界面:美观与实用
12.4 代码模块化:简洁高效
12.5 动态数据传输:应用技巧
12.6 聊天机器人对话视图:交流无界限
12.7 对话摘要与API密钥功能:优化体验
12.8 项目源代码:揭开神秘面纱
13.1 数据连接模块入门:概念与重要性
13.2 数据连接模块 - Python实现(上篇):编码的艺术
13.3 数据连接模块 - Python实现(下篇):完美收官
14.1 为中级项目做准备:升级你的技能树
15.1 读取文档与创建数据块
15.2 生成和储存嵌入式信息
15.3 从数据库检索答案
15.4 生成结构化输出
15.5 项目源代码分享
16.1 探秘Langchain链模块:你不可不知的核心
16.2 通用链:轻松构建多功能应用
16.3 实用链:提升用户体验的秘密武器
17.1 Langchain智能代理全景:一站式解决方案,让你的应用更智能
18.1 实时演示:CSV数据分析神器,你的数据助手
18.2 界面美观、用户友好:打造前端
18.3 无与伦比的性能:后端深度解析
18.4 源代码解锁:走进技术内幕
19.1 探险启航:终极高级项目等你来挑战!
20.1 超级预览:抖音、快手、小红书、视频号剧本工具演示
20.2 前端魔术:搭建无与伦比的用户界面
20.3 后端高手:架构无懈可击的服务
20.4 全栈无缝集成:前后端完美融合
20.5 项目源码:立即开启你的创造之旅
21.1 令人震撼的预览:网站支持聊天机器人演示
21.2 流程图揭秘:构建有效的支持系统
21.3 前端高级教程:实时推送数据到Pinecone
21.4 后端数据抓取:解锁无限潜能
21.5 数据推送:完美配合Pinecone后端
21.6 硬编码值的处理:让您的机器人更灵活
21.7 信息检索系统:让机器人更智能
21.8 项目源码:启动您的智能客服之旅
22.1 令人兴奋的预览:自动化客服工单分类工具演示
22.2 上传文档:前端和后端的全方位指导
22.3 聊天机器人交互:前端与后端的双重玩家
22.4 在Streamlit中页面组织的艺术
22.5 创建分类模型:AI的力量
22.6 模型训练流程:通往专家级别的捷径
22.7 工单生成特性:客户体验升级
22.8 查看待处理工单:工作流程的智能化
22.9 项目源码:成为客服自动化大师
23.1 专为HR而设计的预览:简历筛选助手演示
23.2 项目源码:人力资源界的AI革命
23.3 构建令人惊艳的前端:简历筛选界面设计
23.4 文档加载与元数据添加:数据整理的细节
23.5 Pinecone数据的推送与拉取:数据处理的高级技巧
23.6 草稿环节:调整与优化
23.7 精细化输出:走向专业化
24.1. LLAMA 2 介绍和下载指南
25.1. 电子邮件生成器前端与模块创建
25.2. 使用LLAMA 2作为LLM(可能是Language Level Model的缩写)& 执行
25.3. 电子邮件生成器应用 - 源代码
26.1. 发票提取机器人 - 演示
26.2 发票提取机器人 - StreamLit 前端
26.3 Replicate 平台介绍
26.4 获取 Replicate API 令牌
26.5 数据提取
26.6 LLAMA 2 - LLM(逻辑层模型)设置
26.7 格式化输出和下载选项
26.8 项目 13 - 发票提取机器人 - 源代码
27.1. 项目设置和Huggingface登录
27.2 创建管道与预测
27.3 源代码
28.1. 客服电话摘要警报 - 演示
28.2. 前端实现
28.3. 后端实现
28.4. 最终执行
28.5. 项目源代码