Aracılığıyla paylaş

JavaScript için üretken yapay zekaya genel bakış

JavaScript ile Üretken Yapay Zeka'nın gücünü keşfedin. Yapay zekayı web, mobil veya masaüstü uygulamalarınızla sorunsuz bir şekilde tümleştirmeyi öğrenin.

Yapay zeka ile JavaScript mi?

Python'ın yapay zeka modelleri oluşturmak, eğitmek ve ince ayar yapmak için muhtemelen en iyi dil olduğu doğru olsa da, bu yapay zeka modellerini kullanarak uygulama oluşturmak farklı bir hikayedir. Yapay zeka modellerinin çoğu web API'leri kullanılarak kullanılır. Bu, HTTP çağrıları yapabilen herhangi bir dilin yapay zeka gerçekleştirebileceği anlamına gelir. JavaScript platformlar arası olduğundan ve tarayıcı ile sunucu tarafı ortamları arasında sorunsuz tümleştirme sağladığından, yapay zeka uygulamalarınız için harika bir seçimdir.

Eğlenceli ve etkileşimli kurs

Videolar, kod projeleri ve üretken yapay zekayı kullanmak ve öğrenmek için tam kapsamlı bir uygulama da dahil olmak üzere kapsamlı bir öğrenme deneyimi için bize katılın.

Bu kurs, öğrencilerin ve yeni geliştiricilerin yapay zeka hakkında eğlenceli ve etkileşimli bir şekilde bilgi edinmeleri için harika bir yoldur. Kariyerlerini geliştirmek isteyenler için, yapay zeka becerilerinizi geliştirmek için daha derine inin.

Bu kursta:

  • Yaratıcı yapay zeka ile tarihi figürlere hayat verirken yapay zekayı öğrenin
  • Yerleşik tarayıcı API'leriyle erişilebilirlik uygulama
  • Yapay zekayı uygulama deneyimiyle tümleştirmek için metin ve görüntü oluşturmayı kullanma
  • Yapay zeka uygulamaları için mimari desenleri öğrenme

Leonardo Da Vinci'nin geçmiş karakterlerle konuşmak için yardımcı uygulamada kullandığı yapay zeka tarafından oluşturulan bir görüntüsü.

Geçmiş karakterlerle konuşmak için yardımcı uygulamayı kullanma

LLM'ler hakkında bilmeniz gerekenler

Büyük Dil Modelleri (LLM' ler), belirteçli girişler aracılığıyla metinleri tanımak ve oluşturmak için çok miktarda veri üzerinde eğitilen derin sinir ağlarıdır. LLM'ler başlangıçta farklı, kapsamlı veri kümeleri (pahalı bir süreç) üzerinde eğitim alarak oluşturulur ve daha sonra daha yüksek kaliteli çıkış için özelleştirilmiş verilerle ince ayar yapılabilen temel bir model oluşturur. Uygulamada, bu modeller ister tipik bir IDE'de ister ayrıntılı istemleri izleyen sohbet arabirimleri aracılığıyla gelişmiş otomatik tamamlama sistemleri gibi çalışır. Ancak bunlar bağlam pencereleriyle sınırlıdır (genellikle birkaç bin belirteç, ancak daha yeni modeller çok daha fazlasını destekler) ve eğitim verilerinden sapmaları devralabilir. Bu, Microsoft tarafından savunulan ve yapay zeka geliştirmesinde eşitlik, güvenilirlik, gizlilik ve sorumluluk vurgulayan sorumlu yapay zeka uygulamalarının öneminin altını çizer.

Kurs 'inLLM oturumunda daha fazla bilgi edinebilirsiniz.

Temel istem mühendisliği teknikleri

İstem mühendisliği, yapay zeka modeli çıkışlarını geliştirmek için istemleri tasarlamayı ve iyileştirmeyi içerir. Bu oturumda kavram, modelin eğitim verilerini örneksiz kullanarak yanıtlar oluşturduğu sıfır örnekli öğrenme ve örneklerin istenen sonuca yönlendirdiği az örnekli öğrenme gibi tekniklerle tanıtılmaktadır. Konuşmacı, adım adım akıl yürütmeyi teşvik etmek için düşünce zinciri ifadeleri, açık yönergeler, bağlam ve hatta çıkış biçimleri belirtme gibi ipuçları eklemenin modelin yanıtlarını önemli ölçüde geliştirebileceğini gösterir. Contoso Shoes için yapay zeka yardımcısı senaryo kullanırken, sonuçları daha da iyileştirmek adına ton ayarlamaları ve kişiselleştirme gibi çeşitli değişiklikler gösterilir ve sonraki oturumda RAG gibi daha gelişmiş teknikler için zemin hazırlanır.

kursundakiistem mühendisliği oturumunda daha fazla öğrenin:

RAG ile yapay zeka doğruluğunu ve güvenilirliğini geliştirme

Alma Artırılmış Nesli (RAG) kullanarak yapay zeka doğruluğunu ve güvenilirliğini geliştirin. RAG, bir bilgi bankasından ilgili, up-totarihi belgeleri çeken bir alıcıyı belirli bir bağlama göre yanıtlar hazırlayan bir oluşturucuyla birleştirerek geleneksel büyük dil modellerinin sınırlamalarını aşıyor. Bu yöntem, çıkışı güvenilir kaynaklara topraklayarak olgusal, şeffaf yanıtlar sağlar ve hem uygun maliyetli hem de doğrulanabilir hale getirir. Contoso emlak desteğiyle ilgili pratik bir örnek, RAG'in yanıtlarını yedeklemek için şirket belgelerini kullanarak ayrıntılı, alıntılanan yanıtları nasıl etkili bir şekilde sağlayabildiğini göstermektedir.

kursununRAG oturumunda daha fazlasını öğrenin.

LangChain.js ile yapay zeka geliştirmenizi hızlandırma

Büyük dil modelleriyle çalışmayı kolaylaştıran bir JavaScript kitaplığı olan LangChain.jskullanarak yapay zeka geliştirmenizi hızlandırın. LangChain.js, komut istemi şablonları oluşturmak, model ve vektör veritabanı bileşenlerini yönetmek ve karmaşık iş akışları oluşturmak için üst düzey soyutlamalar sağlar. Çerçeve, soruları yanıtlamak için YouTube transkriptlerini ayıklayan ve işleyen bir API oluşturma gibi hızlı prototip oluşturma ve yerel modelleri ve vektör depolarını Azure hizmetleriyle değiştirme gibi kolay bileşen değişimlerine izin vererek Azure'da yerel geliştirmeden üretime geçişi basitleştirir.

kursunLangChain.js oturumunda daha fazla bilgi edinin:

Ollama ile yerel makinenizde yapay zeka modellerini çalıştırma

Phi-3 gibi küçük dil modellerini verimli bir şekilde çalıştırmak için llama.cpp tabanlı açık kaynak bir araç olan Ollama ile yerel yapay zeka modellerini indirin ve kullanın. Yerel modeller bulut altyapısına olan dayanıklılığı ortadan kaldırır, çevrimdışı özelliklerle hızlı geliştirme sağlar ve hızlı bir iç geliştirme döngüsü aracılığıyla uygun maliyetli test sunar. Phi-3, yüksek performansı ve sorumlu yapay zeka güvenliğiyle dikkat çeken, orta özellikli cihazlarda bile çalışabilir ve OpenAI uyumlu bir API aracılığıyla erişilebilir olup, geliştirme iş akışınıza kolayca entegre edilebilir.

kursununOllama oturumunda daha fazla bilgi edinin:

Phi-3 kullanarak yapay zekayı ücretsiz kullanmaya başlama

Ollama aracını ve Phi-3 modelini kullanarak doğrudan tarayıcınızdan çevrimiçi oyun alanı aracılığıyla yapay zeka modelleriyle denemeler yapın. GitHub Codespace oluşturarak tarayıcınızda tanıdık bir VS Code düzenleyicisiyle çalışabilir, modelle sohbet etmek için terminalde Ollama run phi3 gibi komutlar çalıştırabilir ve OpenAI uyumlu bir API aracılığıyla istem mühendisliği, az veriyle öğrenme ve alma artırılmış üretim özelliklerini gösteren kod bloklarını çalıştırmak için etkileşimli bir Jupyter defteri kullanabilirsiniz. Bu kurulum, hızlı bir GPU veya yerel altyapıya gerek duymadan yapay zeka projelerinizi tamamen çevrimiçi olarak keşfetmenize ve geliştirmenize olanak tanır.

kursunPhi-3 oturumunda daha fazla bilgi edinin:

Azure AI Foundry'ye giriş

Azure AI Foundry, JavaScript ile üretken yapay zeka uygulamaları oluşturma yolculuğunuz için ağ geçidi gibidir. Bu oturumda, Foundry'nin kaynakları merkezler ve projeler aracılığıyla nasıl düzenlediğini keşfedecek, çeşitli sağlayıcılardan binlerce modeli içeren zengin bir model kataloğunu inceleyecek ve etkileşimli bir oyun alanında test etmek için bir model dağıtacağız. İster yönetilen işlem ister sunucusuz API seçeneklerini belirleyin, siz modeli seçtikçe, dağıttıkça ve geliştirme iş akışınızla tümleştirdikçe temel kavramlar tutarlı kalır.

kursunAzure AI Foundry oturumunda daha fazla bilgi edinin:

Azure Cosmos DB ile Üretken Yapay Zeka Uygulamaları Oluşturma

kursunAzure Cosmos DB oturumunda daha fazla bilgi edinin:

Yapay zeka uygulamalarını barındırmak ve depolamak için Azure araçları & hizmetleri

Yapay zeka uygulamalarınızı barındırmak ve depolamak için temel Azure araçlarını ve hizmetlerini öğrenin. Sohbet uygulamalarından artırılmış nesil ve otonom aracılara kadar oluşturabileceğiniz farklı yapay zeka uygulamalarını keşfedecek ve sorunsuz dağıtım için Azure Developer CLI (AZD) dahil olmak üzere gerekli araçları tartışacağız. Mimari seçenekler, sunucusuz ve kapsayıcı tabanlı yaklaşımları tartma ve yapay zeka uygulamalarınızın sağlam ve gerçek dünya kullanımına hazır olduğundan emin olmak için güvenlik, ölçeklendirme ve izleme konularını dikkate alarak üretimdeki API'lerin nasıl yönetileceğini öğreneceksiniz.

kursununAzure araçları ve hizmetleri oturumunda daha fazla bilgi edinin.

Yapay Zeka Sohbet Protokolü ile Üretici Yapay Zeka Çıktısının Akışı

Yapay Zeka Sohbet Protokolü'nü kullanarak, arka uç yapay zeka çıkarım hizmetinizle istemci uygulamalarınız arasında gerçek zamanlı iletişimi basitleştirirken, akış yapay zeka çıktısını keşfedin. API anahtarına maruz kalma, veri temizleme ve protokol seçiminin zorluklarını ele alan iki akış yaklaşımını (tarayıcıda ve yapay zeka çıkarım sunucusu aracılığıyla çıkarım) gözden geçireceğiz. AI Sohbet Protokolü'nün hafif istemcisi ve zaman uyumlu (getCompletion) ile zaman uyumsuz (getStreamedCompletion) yöntemleri sayesinde, yapay zeka uygulamanıza güvenli, verimli ve iyi yapılandırılmış akışı, sunucusuz RAG'de LangChain.js örneğiyle gösterildiği gibi, kolayca entegre edebilirsiniz.

Daha fazla bilgiyi, kursununakış oturumunda edinin.