Introdução aos Modelos de Linguagem para Desenvolvedores
Este curso é uma versão adaptada ao chinês da série de três cursos sobre modelos de linguagem de grande porte lançada em parceria entre Andrew Ng e OpenAI. Ele abrange Engenharia de Prompt, construção de sistemas com a API do ChatGPT, desenvolvimento de aplicações com LangChain e uso do LangChain para acessar dados privados. O curso oferece uma introdução clara e acessível sobre como aproveitar as capacidades dos modelos de linguagem de grande porte para criar aplicações com funcionalidades de resumo, inferência, transformação, expansão e chat.
Visão Geral do Curso
Resumo do Conteúdo
Este curso é uma adaptação chinesa da série de três partes sobre Modelos de Linguagem de Grande Escala (LLM), desenvolvida em parceria por Andrew Ng e OpenAI. Ele aborda Engenharia de Prompt, construção de sistemas com base na API ChatGPT, desenvolvimento de aplicativos com LangChain e uso do LangChain para acessar dados privados. O curso oferece uma introdução aprofundada, mas acessível, ao aproveitamento das capacidades dos LLMs para desenvolver aplicações com funcionalidades de resumo, inferência, transformação, expansão e chat.
Domine a Engenharia de Prompt e o framework LangChain para se tornar um desenvolvedor de aplicações de IA na era dos grandes modelos.
Objetivos de Aprendizagem
- Distinguir entre LLMs Base e LLMs Treinados com Instruções.
- Aplicar quatro estratégias específicas para escrever instruções claras e precisas (delimitadores, saída estruturada, verificação de condições e prompting com poucos exemplos).
- Implementar estratégias para dar aos modelos "tempo para pensar", especificando etapas de tarefas e exigindo resolução independente de problemas.
- Implementar Processamento de Texto Estruturado: resumir e extrair informações específicas de documentos únicos ou múltiplos, controlando o comprimento e o foco da saída.
- Realizar Análise Automatizada de Texto: classificar sentimentos, identificar emoções específicas e executar classificação de tópicos zero-shot usando prompts.
- Executar Transformações Multimodais: traduzir entre idiomas, converter formatos de dados (por exemplo, JSON para HTML) e corrigir gramática/ortografia programaticamente.
- Distinguir entre LLMs Base e LLMs Treinados com Instruções, compreendendo o impacto da tokenização no comportamento do modelo.
- Implementar arquiteturas de sistema estruturadas usando papéis de mensagens System, User e Assistant para definir personagens do modelo.
- Aplicar técnicas de classificação e moderação para avaliar entradas do usuário quanto à segurança e roteamento.
- Implementar Prompt Chaining: decompor tarefas complexas em sub-tarefas gerenciáveis para melhorar confiabilidade e reduzir custos.