Megjegyzés
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhat bejelentkezni vagy módosítani a címtárat.
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhatja módosítani a címtárat.
Fedezze fel a Generative AI és a JavaScript erejét. Megtudhatja, hogyan integrálhatja zökkenőmentesen az AI-t a webes, mobil- vagy asztali alkalmazásokba.
JavaScript mesterséges intelligenciával?
Bár igaz, hogy a Python nagyszerűen használható AI-modellek létrehozására és betanítására, az ilyen modellekkel való alkalmazások létrehozása más. A legtöbb AI-modell webes API-kon keresztül működik, így a HTTP-hívásokat kezdeményező nyelvek használhatják az AI-t. A JavaScript platformfüggetlen, és könnyen csatlakoztatja a böngészőket és a kiszolgálókat, így erős választás az AI-alkalmazások számára.
Szórakoztató és interaktív tanfolyam
Tartson velünk egy magával ragadó tanulási élményért, beleértve a videókat, a kódprojekteket és a teljes implementációt a generatív AI használatához és megismeréséhez.
Ez a kurzus nagyszerű módja annak, hogy a diákok és az új fejlesztők szórakoztató, interaktív módon ismerhetik meg az AI-t. A karrierépítők számára ismerkedjenek meg részletesebben a mesterséges intelligenciához való felskálázással.
Ebben a kurzusban:
- Ismerje meg a mesterséges intelligenciát, miközben egy generatív mesterséges intelligenciával életre keltheti a történelmi személyiségeket.
- Akadálymentesség alkalmazása a beépített böngésző API-kkal
- Szöveg- és képlétrehozás használata az AI alkalmazásélménybe való integrálásához
- Az AI-alkalmazások architekturális mintáinak megismerése
A kísérőalkalmazás használata az előzménykarakterekhez való beszélgetéshez
Mit kell tudni az LLM-ekről?
A nagyméretű nyelvi modellek (LLM-ek) mély neurális hálózatok, amelyek sok adatra vannak betanítve a szöveg megértéséhez és létrehozásához. A betanítás nagy, változatos adatkészletekkel kezdődik egy alapmodell létrehozásához, majd speciális adatokkal finomhangolja a jobb eredményeket. Az LLM-k úgy működnek, mint az intelligens automatikus kiegészítési eszközök a kódszerkesztőkben vagy a csevegőalkalmazásokban. A modelleknek vannak korlátai, például a kontextusablakok (általában néhány ezer token, bár az újabb modellek többet is támogathatnak), és torzításokat mutathatnak a betanítás során használt adatokban előforduló minták miatt. Ezért fontos a felelős AI– a Microsoft javaslata szerint a méltányosságra, a megbízhatóságra, az adatvédelemre és az elszámoltathatóságra összpontosítva.
További információ a tanfolyam LLM-munkamenetében:
Alapvető promptmérnöki technikák
A parancssori tervezés azt jelenti, hogy a jobb AI-eredmények elérése érdekében utasításokat kell tervezni. A modell irányításához használhatja a nulla lövéses tanulást (nincs példa) vagy a kevés lövéses tanulást (példákkal). Ha olyan jeleket ad hozzá, mint a részletes utasítások, a világos környezet és a kimeneti formátumok, a modell jobb válaszokat ad. Módosíthatja a hangszínt és személyre szabhatja a válaszokat. Ezek az alapismeretek olyan fejlett technikákhoz készítenek elő, mint a RAG.
További információ a kurzus gyors mérnöki munkamenetében:
Az AI pontosságának és megbízhatóságának javítása a RAG használatával
A beolvasási kiterjesztett generáció (RAG) használatával pontosabbá és megbízhatóbbá teheti az AI-t. A RAG egy olyan lekérőt kombinál, amely up-to-date dokumentumokat talál egy generátorral, amely ezeket a dokumentumokat használja a kérdések megválaszolásához. Ez a megközelítés megbízható forrásokon alapuló egyértelmű, tényszerű válaszokat ad, így az eredmények könnyen ellenőrizhetők és költséghatékonyak. A Contoso ingatlantámogatása például a RAG használatával nyújt részletes válaszokat a céges dokumentumok alapján.
További információ a tanfolyam RAG-munkamenetében:
Gyorsítsa fel az AI-fejlesztést a LangChain.js segítségével
Felgyorsíthatja AI-projektjeit a LangChain.js. Ez a JavaScript-kódtár megkönnyíti a nagy nyelvi modellek használatát. A LangChain.js használatával parancssori sablonokat hozhat létre, modelleket és vektoradatbázisokat csatlakoztathat, és összetett munkafolyamatokat hozhat létre. Gyorsan készíthet prototípus-alkalmazásokat, például egy olyan API-t, amely lekéri és megválaszolja a kérdéseket a YouTube-átiratokból. Amikor készen áll az éles üzemre, a kód módosítása nélkül cserélje le a helyi modelleket és vektortárolókat az Azure-szolgáltatásokhoz.
További információ a kurzusLangChain.js szekciójában:
AI-modellek futtatása a helyi gépen az Ollama használatával
Töltse le és használja a helyi AI-modelleket az Ollama nyílt forráskódú, llama.cpp alapuló eszközével, hogy hatékonyan futtathassa az olyan kis nyelvi modelleket, mint a Phi-3. A helyi modellek megszüntetik a felhőinfrastruktúrára való támaszkodást, lehetővé teszik a gyors fejlesztést offline képességekkel, és költséghatékony tesztelést tesznek lehetővé egy gyors belső fejlesztési cikluson keresztül. A Nagy teljesítményű és felelős AI-biztonságról ismert Phi-3 közepes teljesítményű eszközökön is futtatható, és OpenAI-kompatibilis API-n keresztül érhető el, így könnyen integrálható a fejlesztési munkafolyamattal.
További információ a kurzus Ollama munkamenetében:
Az AI használatának első lépései ingyenesen a Phi-3 használatával
Próbálja ki az AI-modelleket az Ollama eszközzel és a Phi-3 modellel a böngészőben egy online játszótér használatával. Hozzon létre egy GitHub Codespace-t a VS Code böngészőben való használatához, futtasson olyan parancsokat, mint az "Ollama run phi3" a modellel való csevegéshez, és jupyter notebook használatával tesztelje a parancssori tervezést, a kevés lövésű tanulást és a RAG-ot. Az AI-projekteket online is létrehozhatja és megismerheti – nincs szükség gyors GPU-ra vagy helyi beállításra.
További információ a kurzus Phi-3 szekciójában:
Az Azure AI Foundry bemutatása
Az Azure AI Foundry használatával elkezdhet generatív AI-alkalmazásokat létrehozni JavaScript használatával. Erőforrások rendszerezése központokkal és projektekkel, több ezer modell tallózása és egy modell üzembe helyezése egy játszótéren való teszteléshez. Akár felügyelt számítási vagy kiszolgáló nélküli API-kat választ, kövesse ugyanazokat a lépéseket a modell kiválasztásához, üzembe helyezéséhez és használatához a munkafolyamatban.
További információ a kurzus Azure AI Foundry-munkamenetében:
Generatív AI-alkalmazások létrehozása az Azure Cosmos DB-vel
További információ a kurzus Azure Cosmos DB-munkamenetében:
Azure-eszközök & AI-alkalmazások üzemeltetéséhez és tárolásához
Fedezze fel az AI-alkalmazások üzemeltetéséhez és tárolásához szükséges legfontosabb Azure-eszközöket és szolgáltatásokat. Különböző típusú AI-alkalmazásokat hozhat létre, például csevegőalkalmazásokat, RAG-okat és autonóm ügynököket. Az Azure Developer CLI (AZD) használatával egyszerűen üzembe helyezhető. Hasonlítsa össze a kiszolgáló nélküli és a tárolóalapú beállításokat, és ismerje meg, hogyan tarthatja biztonságosan, skálázhatóan és monitorozva az API-kat valós használatra.
További információ a kurzus Azure-eszközök és -szolgáltatások szekciójában:
Generatív AI-kimenet streamelése az AI-csevegési protokollal
Streamelje a generatív AI-kimenetet az AI-csevegési protokollal. Ez az eszköz megkönnyíti a valós idejű kommunikációt az AI-szolgáltatás és az ügyfélalkalmazások között. Próbálkozzon két streamelési módszerrel: futtassa a következtetést a böngészőben, vagy használjon AI-következtetési kiszolgálót. Figyeljen az API-kulcsok expozíciójára, az adatbiztonságra és a megfelelő protokoll kiválasztására. Az AI Chat Protocol egyszerű ügyfele lehetővé teszi biztonságos és hatékony streamelés hozzáadását az alkalmazáshoz getCompletion és getStreamedCompletion metódusok használatával, ahogyan azt a kiszolgáló nélküli RAG LangChain.js példa mutatja.
További információ a tanfolyam streamelési munkamenetében: