Pengantar LLM untuk Pengembang
Kursus ini adalah versi yang disesuaikan dengan budaya Tiongkok dari seri tiga kursus model bahasa besar yang bersama-sama diluncurkan oleh Andrew Ng dan OpenAI. Kursus ini mencakup Teknik Prompt, pembuatan sistem dengan API ChatGPT, pengembangan aplikasi LangChain, serta penggunaan LangChain untuk mengakses data pribadi. Kursus ini memberikan pengantar yang jelas dan mudah dipahami tentang cara memanfaatkan kemampuan model bahasa besar untuk membangun aplikasi dengan fungsi ringkasan, inferensi, transformasi, ekspansi, dan percakapan.
Gambaran Umum Kursus
Ringkasan Konten
Kursus ini merupakan adaptasi bahasa Mandarin dari seri tiga bagian tentang Model Bahasa Besar (LLM) yang dikembangkan bersama oleh Andrew Ng dan OpenAI. Kursus ini mencakup Teknik Prompt, pembangunan sistem berbasis API ChatGPT, pengembangan aplikasi LangChain, serta penggunaan LangChain untuk mengakses data pribadi. Kursus ini memberikan pengantar mendalam namun mudah dipahami dalam memanfaatkan kemampuan LLM untuk mengembangkan aplikasi dengan fungsi ringkasan, inferensi, transformasi, ekspansi, dan obrolan.
Kelola Teknik Prompt dan kerangka kerja LangChain untuk menjadi pengembang aplikasi AI di era model besar.
Tujuan Pembelajaran
- Membedakan antara LLM dasar dan LLM yang disesuaikan instruksi.
- Menerapkan empat strategi khusus untuk menulis instruksi yang jelas dan spesifik (pemisah, output terstruktur, pemeriksaan kondisi, dan prompting sedikit contoh).
- Menerapkan strategi agar model "memiliki waktu berpikir" dengan menentukan langkah tugas dan mensyaratkan pemecahan masalah secara mandiri.
- Melaksanakan Pemrosesan Teks Terstruktur: Merangkum dan mengekstrak informasi tertentu dari satu atau beberapa dokumen sambil mengendalikan panjang dan fokus output.
- Melakukan Analisis Teks Otomatis: Mengkategorikan sentimen, mengidentifikasi emosi tertentu, dan melaksanakan klasifikasi topik zero-shot menggunakan prompt.
- Melaksanakan Transformasi Multi-modal: Menerjemahkan antar bahasa, mengubah format data (misalnya JSON ke HTML), dan secara otomatis memperbaiki tata bahasa/kosakata.
- Membedakan antara LLM dasar dan LLM yang disesuaikan instruksi sambil memahami dampak tokenisasi terhadap perilaku model.
- Menerapkan arsitektur sistem terstruktur menggunakan peran pesan System, User, dan Assistant untuk menentukan persona model.
- Menerapkan teknik klasifikasi dan moderasi untuk menilai input pengguna dari segi keamanan dan penjadwalan.
- Menerapkan Rantai Prompt: Memecah tugas kompleks menjadi sub-tugas yang dapat dikelola untuk meningkatkan keandalan dan mengurangi biaya.