JavaScript geliştiricileri için üretken yapay zeka

Web, mobil ve masaüstü uygulamalarınızda üretken yapay zeka özellikleri oluşturmak için JavaScript kullanın. Bu genel bakış, başlamanıza yardımcı olacak temel kavramları, araçları ve öğrenme kaynaklarını vurgular.

Yapay zeka için JavaScript neden kullanılır?

Python, yapay zeka modellerini eğiten yaygın bir seçenektir, ancak çoğu uygulama geliştiricisi web API'leri aracılığıyla modelleri kullanır. JavaScript tarayıcılar ve sunucular arasında çalıştığından ve HTTP çağrılarını iyi işlediği için yapay zeka uygulamaları oluşturmak için pratik bir seçimdir.

Eşlikçi kursuna katılın

Videolar, kod projeleri ve tam uçtan uca örnek aracılığıyla öğrenmek için yardımcı kursu kullanın.

Öğrenci veya yeni geliştiriciyseniz bu kurs size yapay zekayı öğrenmenin pratik bir yolunu sunar. Eğer profesyonel olarak uygulama geliştiriyorsanız, bu yapay zeka becerilerinizi derinleştirmenize yardımcı olur.

Bu kursta şunları:

  • Yaratıcı yapay zeka ile geçmiş figürleri canlandırırken yapay zekayı öğrenin.
  • Yerleşik tarayıcı API'lerini kullanarak erişilebilirliği uygulayın.
  • Yapay zekayı uygulama deneyimiyle tümleştirmek için metin ve görüntü oluşturmayı kullanın.
  • Yapay zeka uygulamaları için mimari desenleri öğrenin.

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 bilinmesi gerekenler

Büyük dil modelleri (LLM' ler), metin anlamak ve oluşturmak için büyük veri kümelerinde eğitilen sinir ağlarıdır. Eğitim genellikle geniş bir temel modelle başlar ve belirli görevler için ince ayarlamalar ekler. LLM'ler kod tamamlama ve sohbet gibi senaryolarda yardımcı olabilir, ancak bağlam pencereleri ve eğitim verilerindeki olası sapmalar da dahil olmak üzere sınırları vardır. Bu nedenle eşitlik, güvenilirlik, gizlilik ve sorumluluk gibi sorumlu yapay zeka uygulamaları önemlidir.

Kurs 'inLLM oturumunda daha fazla bilgi edinebilirsiniz.

İstem mühendisliği tekniklerini kullan

İstem mühendisliği, modeli daha iyi sonuçlara doğru yönlendiren istemler yazma uygulamasıdır. Örneklere ihtiyacınız olmadığında örneksiz istemler veya örnekler faydalı olduğunda az örnekli istemler kullanın. Açık yönergeler, ilgili bağlam ve açık çıkış biçimleri genellikle yanıtları iyileştirir ve SIZI RAG gibi daha gelişmiş desenlere hazırlar.

kursundakiistem mühendisliği oturumunda daha fazla öğrenin:

RAG ile yapay zeka doğruluğunu ve güvenilirliğini geliştirme

Mevcut ve güvenilir verilere dayanarak model yanıtlarını açıklamak için geri alma destekli üretim (RAG) kullanın. RAG, ilgili içeriği bulan bir alıcıyı, soruları yanıtlamak için bu içeriği kullanan bir oluşturucuyla birleştirir. Bu yaklaşım doğruluğu artırabilir, yanıtların doğrulanması kolaylaşabilir ve maliyetleri denetleyebilir. Örneğin, bir emlak destek uygulaması ayrıntılı müşteri sorularını yanıtlamak için şirket belgelerini kullanabilir.

kursununRAG oturumunda daha fazlasını öğrenin.

LangChain.js ile yapay zeka geliştirmenizi hızlandırma

LangChain.jsile yapay zeka projelerinizi hızlandırma. Bu JavaScript kitaplığı, istem şablonları oluşturmanıza, modelleri ve vektör depolarını bağlamanıza ve karmaşık iş akışları oluşturmanıza yardımcı olur. YouTube transkriptlerinden gelen soruları yanıtlayan bir API gibi hızlı prototip oluşturma için iyi çalışır. Üretime hazır olduğunuzda, uygulamanızı yeniden yazmadan Azure hizmetleri için yerel modelleri ve vektör depolarını değiştirebilirsiniz.

kursunLangChain.js oturumunda daha fazla bilgi edinin:

Ollama ile yerel makinenizde yapay zeka modellerini çalıştırma

Makinenizde Phi-3 dahil olmak üzere yerel yapay zeka modellerini çalıştırmak için Ollama'yı kullanın. Yerel modeller bulut bağımlılıklarını azaltır, çevrimdışı geliştirmeyi destekler ve fikirleri test ederken iç döngünüzü kısaltır. Ollama OpenAI uyumlu bir API'yi kullanıma sunacağından, bunu en az değişiklikle mevcut JavaScript iş akışlarıyla tümleştirebilirsiniz.

kursununOllama oturumunda daha fazla bilgi edinin:

Yapay zekayı ücretsiz kullanmaya başlama

Yapay zeka modellerini indirmenize ve bunlarla yerel olarak etkileşim kurmanıza olanak tanıyan Foundry Local'ı kullanarak yapay zekayı ücretsiz olarak çalıştırabilirsiniz. Model indirme, ince ayarlama ve daha fazlasını destekleyen bir uzantı olan Visual Studio Code için AI Toolkit de vardır. Ollama , yerel modelleri çalıştırmak için popüler bir diğer seçenektir.

Ayrıca GitHub Codespace oluşturup bir Jupyter not defteri kullanarak istem mühendisliğini, az denemeli öğrenmeyi ve RAG'yi test ederek modelleri yerel bir kurulum olmadan da deneyebilirsiniz.

kursunPhi-3 oturumunda daha fazla bilgi edinin:

Microsoft Foundry'ye giriş

JavaScript ile üretken yapay zeka uygulamaları oluşturmaya başlamak için Microsoft Foundry'yi kullanın. Hub'lar ve projeler ile kaynakları düzenleyin, modellere göz atın ve oyun alanında test etmek için bir model dağıtın. İster yönetilen işlem ister sunucusuz API'ler kullanın, iş akışı aynı kalır: bir model seçin, dağıtın ve uygulamanızla tümleştirin.

Kursun Dökümhane 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 ve hizmetleri

Sohbet uygulamaları, RAG uygulamaları ve otonom aracılar dahil olmak üzere hangi Azure araçlarının ve hizmetlerinin yaygın yapay zeka uygulama mimarilerine uygun olduğunu öğrenin. Bu oturumda, uygulamaları dağıtmak ve sunucusuz ve kapsayıcı tabanlı barındırma seçeneklerini karşılaştırmak için Azure Geliştirici CLI'sini (AZD) nasıl kullanacağınız da gösterilir.

kursununAzure araçları ve hizmetleri oturumunda daha fazla bilgi edinin.

Yapay Zeka Sohbet Protokolü ile üretken yapay zeka çıktısını yayınla

Yapay zeka hizmetinizle istemci uygulamaları arasında gerçek zamanlı iletişimi desteklemek için Yapay Zeka Sohbet Protokolü'ni kullanın. Mimarinize bağlı olarak yanıtları tarayıcıdan veya yapay zeka çıkarım sunucusundan akışla aktarabilirsiniz. Akış uygularken API anahtar koruması, veri güvenliği ve protokol seçimi için plan yapın. Protokol istemcisi, LangChain.js örneğiyle sunucusuz RAG'de gösterildiği gibi, getCompletion ve getStreamedCompletion gibi yöntemleri destekler.

Daha fazla bilgiyi, kursununakış oturumunda edinin.

  • Last updated on