Plan Szkolenia

Wprowadzenie do LlamaIndex

  • Zrozumienie LlamaIndex i jego roli w LLMs
  • Konfiguracja LlamaIndex: środowisko i wymagania wstępne
  • Podstawy indeksowania niestandardowych danych

LlamaIndex w akcji

  • Zapytanie z użyciem LlamaIndex: techniki i najlepsze praktyki
  • Budowanie silników zapytań i czatu z LlamaIndex
  • Tworzenie intuicyjnych interfejsów Streamlit dla aplikacji LLM

Zaawansowane funkcje LlamaIndex

  • Wykorzystanie generacji wzmocnionej pobieraniem (RAG) dla poprawionego pobierania danych
  • Wykorzystywanie vectorstores do efektywnego zarządzania danymi
  • Projektowanie i wdrażanie agentów LlamaIndex

Rozwijanie aplikacji z użyciem LlamaIndex

  • Inżynieria promptów: łańcuch myśli, ReAct, few-shot prompting
  • Rozwijanie pomocnika dokumentacji: realna aplikacja LLM
  • Debugowanie i testowanie aplikacji LLM

Wdrażanie i skalowanie

  • Wdrażanie aplikacji opartych na LlamaIndex
  • Skalowanie aplikacji LLM dla wysokiej wydajności
  • Monitorowanie i optymalizowanie aplikacji LLM

Etyczne i praktyczne uwagi

  • Nawigowanie przez etyczne implikacje w aplikacjach LLM
  • Zapewnienie prywatności i bezpieczeństwa danych z LlamaIndex
  • Przygotowanie do przyszłych rozwójów w technologii LLM

Podsumowanie i następne kroki

Wymagania

  • Zrozumienie programowania Python oraz podstawowych koncepcji uczenia maszynowego
  • Doświadczenie w pracy z API i rozwoju aplikacji
  • Znajomość przetwarzania języka naturalnego jest korzystna, ale nie jest wymagana

Grupa docelowa

  • Programiści
  • Naukowcy ds. danych
 42 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie