LlamaIndex: Developing LLM Powered Applications

• Zrozumienie programowania Python oraz podstawowych koncepcji uczenia maszynowego
• Doświadczenie w pracy z API i rozwoju aplikacji
• Znajomość przetwarzania języka naturalnego jest korzystna, ale nie jest wymagana

Grupa docelowa

• Programiści
• Naukowcy ds. danych

LlamaIndex to potężne narzędzie indeksujące zaprojektowane w celu zwiększenia możliwości Large Language Models (LLMs) poprzez umożliwienie im efektywnego pobierania i wykorzystywania niestandardowych zestawów danych.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych i zaawansowanych programistów i naukowców zajmujących się danymi, którzy chcą opanować LlamaIndex w celu opracowania innowacyjnych aplikacji opartych na LLM.

Pod koniec tego szkolenia uczestnicy będą mogli

• Konfigurować i konfigurować LlamaIndex do użytku z LLM.
• Indeksować i wyszukiwać niestandardowe zestawy danych za pomocą LlamaIndex w celu zwiększenia funkcjonalności LLM.
• Projektować i rozwijać zaawansowane aplikacje wykorzystujące LlamaIndex i LLM.
• Zrozumienie i stosowanie najlepszych praktyk pracy z LLM i LlamaIndex.
• Poruszanie kwestii etycznych związanych z wdrażaniem aplikacji opartych na LLM.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.

Wprowadzenie do LlamaIndex

• Zrozumienie LlamaIndex i jego roli w LLMs
• Konfiguracja LlamaIndex: środowisko i wymagania wstępne
• Podstawy indeksowania niestandardowych danych

LlamaIndex w akcji

• Zapytanie z użyciem LlamaIndex: techniki i najlepsze praktyki
• Budowanie silników zapytań i czatu z LlamaIndex
• Tworzenie intuicyjnych interfejsów Streamlit dla aplikacji LLM

Zaawansowane funkcje LlamaIndex

• Wykorzystanie generacji wzmocnionej pobieraniem (RAG) dla poprawionego pobierania danych
• Wykorzystywanie vectorstores do efektywnego zarządzania danymi
• Projektowanie i wdrażanie agentów LlamaIndex

Rozwijanie aplikacji z użyciem LlamaIndex

• Inżynieria promptów: łańcuch myśli, ReAct, few-shot prompting
• Rozwijanie pomocnika dokumentacji: realna aplikacja LLM
• Debugowanie i testowanie aplikacji LLM

Wdrażanie i skalowanie

• Wdrażanie aplikacji opartych na LlamaIndex
• Skalowanie aplikacji LLM dla wysokiej wydajności
• Monitorowanie i optymalizowanie aplikacji LLM

Etyczne i praktyczne uwagi

• Nawigowanie przez etyczne implikacje w aplikacjach LLM
• Zapewnienie prywatności i bezpieczeństwa danych z LlamaIndex
• Przygotowanie do przyszłych rozwójów w technologii LLM

Podsumowanie i następne kroki