Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
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 ve eğitirken harika olduğu doğru olsa da, bu modellerle uygulama oluşturmak farklıdır. Çoğu yapay zeka modeli web API'leri aracılığıyla çalıştığından, HTTP çağrıları yapabilen tüm diller yapay zekayı kullanabilir. JavaScript platformlar arasıdır ve tarayıcıları ve sunucuları kolayca bağlayarak yapay zeka uygulamaları için güçlü 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
Geçmiş karakterlerle konuşmak için yardımcı uygulamayı kullanma
LLM'ler hakkında bilmeniz gerekenler
Büyük Dil Modelleri (LLM'ler), metinleri anlamak ve oluşturmak için çok sayıda veri üzerinde eğitilen derin sinir ağlarıdır. Eğitim, temel model oluşturmak için büyük ve çeşitli veri kümeleriyle başlar, ardından daha iyi sonuçlar elde etmek için özel verileri kullanır. LLM'ler kod düzenleyicilerinde veya sohbet uygulamalarında akıllı otomatik tamamlama araçları gibi çalışır. Modellerin bağlam pencereleri (genellikle birkaç bin belirteç, ancak daha yeni modeller daha fazlasını desteklese de) gibi sınırları vardır ve eğitim verilerinden sapmalar gösterebilir. İşte bu nedenle sorumlu yapay zeka önemlidir; Microsoft'un önerdiği gibi eşitlik, güvenilirlik, gizlilik ve sorumluluk konularına odaklanın.
Kurs 'inLLM oturumunda daha fazla bilgi edinebilirsiniz.
Temel istem mühendisliği teknikleri
İstem mühendisliği, daha iyi yapay zeka sonuçları elde etmek için istem tasarlama anlamına gelir. Modele kılavuzluk etmek için sıfır çekim öğrenmeyi (örnek olmadan) veya az çekim öğrenmeyi (örneklerle birlikte) kullanabilirsiniz. Adım adım yönergeler, net bağlam ve çıkış biçimleri gibi ipuçları eklemek modelin daha iyi yanıtlar vermesine yardımcı olur. Ayrıca, yanıtların tonunu ayarlayabilir ve kişiselleştirebilirsiniz. Bu temel bilgiler SIZI RAG gibi gelişmiş teknikler için ayarlar.
kursundakiistem mühendisliği oturumunda daha fazla öğrenin:
RAG ile yapay zeka doğruluğunu ve güvenilirliğini geliştirme
Yapay zekayı daha doğru ve güvenilir hale getirmek için Alma Artırılmış Nesli (RAG) kullanın. RAG, güncel belgeleri bulan bir alıcısını, bu belgeleri kullanarak soruları yanıtlayan bir üreteçle birleştiren bir sistemdir. Bu yaklaşım, güvenilir kaynaklara dayalı net, olgusal yanıtlar vererek sonuçların denetlenmesini kolaylaştırır ve uygun maliyetli hale getirir. Örneğin Contoso emlak desteği, şirket belgeleri tarafından desteklenen ayrıntılı yanıtlar vermek için RAG kullanır.
kursununRAG oturumunda daha fazlasını öğrenin.
LangChain.js ile yapay zeka geliştirmenizi hızlandırma
LangChain.jsile yapay zeka projelerinizi hızlandırma. Bu JavaScript kitaplığı, büyük dil modelleriyle çalışmayı kolaylaştırır. komut istemi şablonları oluşturmak, modelleri ve vektör veritabanlarını bağlamak ve karmaşık iş akışları oluşturmak için LangChain.js kullanın. YouTube transkriptlerindeki soruları çeken ve yanıtlayan bir API gibi uygulamaların prototipini hızla oluşturun. Üretime hazır olduğunuzda kodunuzu değiştirmeden Azure hizmetleri için yerel modelleri ve vektör depolarını değiştirin.
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
Çevrimiçi oyun alanı kullanarak tarayıcınızda Ollama aracı ve Phi-3 modeli ile yapay zeka modellerini deneyin. Tarayıcınızda VS Code'u kullanmak için bir GitHub Codespace oluşturun, modelle sohbet etmek için "Ollama run phi3" gibi komutları çalıştırın ve istem mühendisliğini, az denemeli öğrenmeyi ve RAG'ı test etmek için jupyter not defteri kullanın. Hızlı bir GPU veya yerel kuruluma gerek olmadan yapay zeka projelerini çevrimiçi olarak derleyebilir ve keşfedebilirsiniz.
kursunPhi-3 oturumunda daha fazla bilgi edinin:
Azure AI Foundry'ye giriş
JavaScript ile üretken yapay zeka uygulamaları oluşturmaya başlamak için Azure AI Foundry'yi kullanın. Hub'lar ve projeler ile kaynakları düzenleyin, binlerce modele göz atın ve oyun alanında test etmek için bir model dağıtın. İster yönetilen işlem ister sunucusuz API'ler seçin, modelinizi iş akışınızda seçmek, dağıtmak ve kullanmak için aynı adımları izleyin.
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 önemli Azure araçlarını ve hizmetlerini keşfedin. Sohbet uygulamaları, RAG ve otonom aracılar gibi farklı türlerde yapay zeka uygulamaları oluşturun. Kolayca dağıtmak için Azure Geliştirici CLI'sını (AZD) kullanın. Sunucusuz ve kapsayıcı tabanlı seçenekleri karşılaştırın ve API'lerinizi güvenli, ölçeklenebilir ve gerçek dünya kullanımı için izlemeyi öğrenin.
kursununAzure araçları ve hizmetleri oturumunda daha fazla bilgi edinin.
Yapay Zeka Sohbet Protokolü ile Üretici Yapay Zeka Çıktısının Akışı
Yapay Zeka Sohbet Protokolü ile üretken yapay zeka çıkışını akışla aktarın. Bu araç, yapay zeka hizmetinizle istemci uygulamaları arasında gerçek zamanlı iletişimi kolaylaştırır. İki akış yöntemi deneyin: tarayıcıda çıkarım çalıştırın veya bir yapay zeka çıkarım sunucusu kullanın. API anahtarına maruz kalma, veri güvenliği ve doğru protokolü seçmeye dikkat edin. AI Sohbet Protokolü'nin basit istemcisi, LangChain.js örneğiyle sunucusuz RAG'de gösterildiği gibi getCompletion ve getStreamedCompletion yöntemlerini kullanarak uygulamanıza güvenli ve verimli akış eklemenize olanak tanır.
Daha fazla bilgiyi, kursununakış oturumunda edinin.