ในหลักสูตรนี้ คุณจะสำรวจวงจรชีวิตของแอปพลิเคชันปัญญาประดิษฐ์ช่วยสร้าง (Generative AI หรือ AI ช่วยสร้าง) ได้แก่
- การกำหนดกรณีใช้งานทางธุรกิจ
- การเลือกโมเดลพื้นฐาน (FM)
- การปรับปรุงประสิทธิภาพของ FM
- การประเมินประสิทธิภาพของ FM
- การนำไปใช้จริงและผลกระทบต่อวัตถุประสงค์ทางธุรกิจ
หลักสูตรนี้เป็นการปูพื้นฐานไปสู่หลักสูตร AI ช่วยสร้างหลักสูตรต่างๆ ซึ่งจะเจาะลึกเกี่ยวกับแนวคิดที่เกี่ยวข้องกับการปรับแต่ง FM โดยใช้วิศวกรรมการโต้ตอบ, Retrieval Augmented Generation (RAG) และการปรับละเอียด
- ระดับหลักสูตร: พื้นฐาน
- ระยะเวลา: 1 ชั่วโมง
หมายเหตุ: หลักสูตรนี้มีการแปลถอดเสียง/คำบรรยาย บทบรรยายเป็นภาษาอังกฤษ
หากต้องการแสดงคำบรรยาย ให้คลิกที่ปุ่ม CC ที่มุมล่างขวาของเครื่องเล่น
กิจกรรม
หลักสูตรนี้ประกอบด้วยองค์ประกอบเชิงโต้ตอบ วิดีโอ คำแนะนำแบบข้อความ และภาพประกอบ
วัตถุประสงค์ของหลักสูตร
ในหลักสูตรนี้ คุณจะได้เรียนรู้วิธีการทำสิ่งต่อไปนี้
- ระบุเกณฑ์การเลือกเพื่อเลือกโมเดลที่ผ่านการฝึกมาแล้ว
- นิยามความหมายของ Retrieval Augmented Generation (RAG) และอธิบายการใช้งานทางธุรกิจ
- อธิบายข้อดีข้อเสียที่ต้องเลือกด้านค่าใช้จ่ายของแนวทางต่างๆ ในการปรับแต่งโมเดลพื้นฐาน
- ทำความเข้าใจบทบาทของเอเจนต์ในงานหลายขั้นตอน
- ทำความเข้าใจแนวทางในการประเมินประสิทธิภาพของโมเดลพื้นฐาน
- ระบุเมตริกที่เกี่ยวข้องในการประเมินประสิทธิภาพของโมเดลพื้นฐาน
กลุ่มเป้าหมาย
หลักสูตรนี้จัดทำขึ้นสำหรับ:
- บุคคลที่สนใจเกี่ยวกับแมชชีนเลิร์นนิงและปัญญาประดิษฐ์ ไม่ว่าจะมีบทบาทงานใดก็ตาม
- บุคคลที่ตั้งใจจะเข้าร่วมการสอบการรับรอง AWS Certified AI Practitioner
ข้อกำหนดเบื้องต้น
การพัฒนาโซลูชัน AI ช่วยสร้างเป็นส่วนหนึ่งของชุดสอนการสร้างรากฐานเกี่ยวกับปัญญาประดิษฐ์ แมชชีนเลิร์นนิง และ AI ช่วยสร้าง ขอแนะนำให้คุณศึกษาทั้งสองหลักสูตรนี้ให้เสร็จสิ้นก่อน หากคุณยังไม่ได้ศึกษา:
- Fundamentals of Machine Learning and Artificial Intelligence
- Exploring Artificial Intelligence Use Cases and Applications
เนื้อหาหลักสูตร
ส่วนที่ 1
- บทเรียนที่ 1: วิธีใช้งานหลักสูตรนี้
ส่วนที่ 2: ความรู้เบื้องต้น
- บทเรียนที่ 2: ภาพรวมหลักสูตร
- บทเรียนที่ 3: วงจรชีวิตของแอปพลิเคชัน AI ช่วยสร้าง
ส่วนที่ 3: การกำหนดกรณีใช้งาน
- บทเรียนที่ 4: การกำหนดกรณีใช้งาน
ส่วนที่ 4: การเลือกโมเดลพื้นฐาน
- บทเรียนที่ 5: การเลือก FM
- บทเรียนที่ 6: ทดสอบความรู้
ส่วนที่ 5: การปรับปรุงประสิทธิภาพ
- บทเรียนที่ 7: การปรับปรุงประสิทธิภาพของ FM
- บทเรียนที่ 8: ทดสอบความรู้
ส่วนที่ 6: การประเมินผลลัพธ์
- บทเรียนที่ 9: การประเมิน FM
- บทเรียนที่ 10: ทดสอบความรู้
ส่วนที่ 7: การนำไปใช้จริง
- บทเรียนที่ 11: การนำแอปพลิเคชันไปใช้จริง
ส่วนที่ 8: บทสรุป
- บทที่ 12: สรุปหลักสูตร
- บทเรียนที่ 13: แหล่งข้อมูล
- บทเรียนที่ 14: ติดต่อเรา
