Mở khóa Sức mạnh của Mô hình Ngôn ngữ Lớn: Thành thạo Trích xuất và Phân tích Văn bản PDF

Khóa học này được thiết kế để dạy bạn cách tương tác hiệu quả với các tài liệu dựa trên văn bản bằng cách sử dụng sức mạnh của các mô hình ngôn ngữ lớn (LLM). Trọng tâm sẽ là làm việc với tài liệu PDF, vì đây là định dạng phổ biến nhất trong môi trường kinh doanh. Tuy nhiên, các kỹ thuật bạn sẽ học có thể được áp dụng cho bất kỳ loại tài liệu dựa trên văn bản nào.

Khóa học sẽ bắt đầu bằng việc xây dựng một đường ống thu thập cơ bản và khám phá các thành phần khác nhau của nó. Từ đó, chúng tôi sẽ đi sâu vào các kỹ thuật nâng cao hơn, chẳng hạn như xếp hạng lại, mở rộng truy vấn, thu thập nhiều truy vấn và nhúng tài liệu giả định. Chúng tôi cũng sẽ đề cập đến cách kết hợp tìm kiếm ngữ nghĩa với tìm kiếm dựa trên từ khóa truyền thống, và khám phá việc sử dụng Pyramid Document Retriever để mở rộng ngữ cảnh được thu thập bởi mô hình nhúng.

Mục tiêu không chỉ là dạy bạn những kỹ thuật khác nhau là gì, mà còn khi nào và tại sao nên sử dụng chúng. Trong suốt khóa học, chúng tôi sẽ cung cấp các ví dụ mã thực tế để giúp bạn triển khai các kỹ thuật này trong các dự án của riêng mình. Đến cuối khóa học, bạn sẽ có một gói Python hoàn chỉnh mà bạn có thể sử dụng trong công việc của mình.

Đối tượng mục tiêu của khóa học này là các nhà sáng lập SaaS, nhà phát triển, lãnh đạo điều hành và những người có sở thích. Để có được lợi ích tối đa từ khóa học này, bạn cần có kiến thức nền tảng về Python. Khóa học này sẽ giúp bạn chuyển đổi những ý tưởng tuyệt vời của mình thành các mẫu thử nghiệm hoạt động và phân tích hàng nghìn tài liệu trong vài phút, chứ không phải vài ngày.

Trong khóa học này, chúng tôi sẽ bao phủ một loạt các chủ đề liên quan đến tương tác với các tài liệu dựa trên văn bản bằng cách sử dụng sức mạnh của các mô hình ngôn ngữ lớn (LLM). Trọng tâm sẽ là làm việc với tài liệu PDF, vì đây là định dạng phổ biến nhất trong môi trường kinh doanh.

Chúng tôi sẽ bắt đầu bằng việc xây dựng một đường ống thu thập cơ bản và khám phá các thành phần khác nhau của nó, triển khai chúng bằng mã. Từ đó, chúng tôi sẽ đi sâu vào các kỹ thuật nâng cao hơn để cải thiện hiệu suất của đường ống thu thập, chẳng hạn như xếp hạng lại, mở rộng truy vấn và thu thập nhiều truy vấn.

Ngoài ra, chúng tôi sẽ khám phá các kỹ thuật để tạo ra các tài liệu giả định dựa trên vấn đề bạn đang làm việc, được gọi là "nhúng tài liệu giả định". Chúng tôi cũng sẽ tìm cách kết hợp nhiều lần thu thập để tăng cường hiệu suất của đường ống thu thập, kết hợp các kỹ thuật tìm kiếm ngữ nghĩa với tìm kiếm dựa trên từ khóa truyền thống.

Hơn nữa, chúng tôi sẽ đề cập đến Pyramid Document Retriever, một kỹ thuật giúp mở rộng ngữ cảnh được thu thập bởi mô hình nhúng.

Trong suốt khóa học, trọng tâm sẽ không chỉ là hiểu những kỹ thuật khác nhau này mà còn khi nào và tại sao nên sử dụng chúng. Chúng tôi sẽ cung cấp các ví dụ mã thực tế để minh họa cách áp dụng các kỹ thuật này trong các kịch bản khác nhau.

Khóa học này được thiết kế để cung cấp cho bạn các kỹ năng và kiến thức thực tế để tận dụng sức mạnh của các mô hình ngôn ngữ lớn (LLM) trong việc tương tác với các tài liệu dựa trên văn bản, đặc biệt là PDF. Với tư cách là người tham gia, bạn sẽ học cách xây dựng các đường ống thu thập mạnh mẽ, áp dụng các kỹ thuật nâng cao như xếp hạng lại, mở rộng truy vấn và thu thập nhiều truy vấn, và khám phá các phương pháp để tạo ra các tài liệu giả định dựa trên nhu cầu cụ thể của bạn.

Giảng viên, với bằng tiến sĩ và hơn 7 năm kinh nghiệm trong lĩnh vực dẫn đầu các nhóm máy học và trí tuệ nhân tạo, có nền tảng kỹ thuật vững chắc và niềm đam mê với các dự án nguồn mở. Họ đã xây dựng các hệ thống cung cấp cho hàng chục nghìn thiết bị tiêu dùng và tạo ra một trong những dự án RAG nguồn mở phổ biến nhất, Local GPT, có hơn 19.000 sao trên GitHub.

Bằng cách tham gia khóa học này, bạn sẽ có cơ hội nâng cao kỹ năng, đổi mới trong lĩnh vực của mình và kết nối với một cộng đồng các chuyên gia cùng quan tâm. Khóa học sẽ cung cấp cho bạn một gói Python hoàn chỉnh mà bạn có thể sử dụng trong các dự án của riêng mình, và bạn sẽ có quyền truy cập vào một kênh chuyên dụng trên máy chủ Discord Prompt Engineering, nơi bạn có thể trò chuyện trực tiếp với giảng viên và các đồng nghiệp khác về các chủ đề được đề cập trong khóa học và nhiều hơn nữa.

Khóa học này sẽ tập trung chủ yếu vào việc sử dụng các mô hình ngôn ngữ lớn (LLM) và mô hình nhúng từ OpenAI. Lý do cho điều này là API của OpenAI cung cấp một cách đơn giản và trực tiếp để nhanh chóng xây dựng các mẫu thử nghiệm.

Tuy nhiên, ở phần cuối của khóa học, chúng tôi cũng sẽ khám phá cách sử dụng các mô hình LLM và nhúng cục bộ để chạy toàn bộ đường ống cục bộ, không phụ thuộc vào bất kỳ API bên ngoài nào. Điều này sẽ mang lại cho bạn sự linh hoạt để sử dụng các mô hình của lựa chọn của mình và chạy hệ thống hoàn toàn ngoại tuyến.

Các mô hình cụ thể mà chúng tôi sẽ sử dụng bao gồm:

• GPT-3 và các LLM khác của OpenAI cho các nhiệm vụ tạo và hiểu văn bản khác nhau
• Các mô hình nhúng của OpenAI để tạo ra các biểu diễn ngữ nghĩa của văn bản
• Các mô hình LLM và nhúng cục bộ, chẳng hạn như những mô hình từ Hugging Face, để cho phép triển khai hoàn toàn ngoại tuyến

Đến cuối khóa học, bạn sẽ có một hiểu biết vững chắc về cách tận dụng những mô hình này để xây dựng các ứng dụng xử lý tài liệu dựa trên văn bản mạnh mẽ, và bạn sẽ có một gói Python hoàn chỉnh mà bạn có thể sử dụng trong các dự án của riêng mình.

Khóa học này về "Vượt qua cơ bản" được thiết kế để trang bị cho bạn kiến thức và kỹ năng cần thiết để tương tác hiệu quả với các tài liệu dựa trên văn bản bằng cách sử dụng sức mạnh của các mô hình ngôn ngữ lớn (LLM). Bất kể bạn là nhà sáng lập SaaS, nhà phát triển, lãnh đạo điều hành hay người có sở thích, khóa học này sẽ cung cấp cho bạn các kỹ thuật thực tế để chuyển đổi ý tưởng của bạn thành các mẫu thử nghiệm hoạt động và phân tích hàng nghìn tài liệu trong một phần thời gian.

Trong suốt khóa học, chúng tôi sẽ bao phủ một loạt các chủ đề, bao gồm xây dựng một đường ống thu thập cơ bản, các kỹ thuật nâng cao như xếp hạng lại, mở rộng truy vấn và thu thập nhiều truy vấn. Chúng tôi cũng sẽ khám phá nhúng tài liệu và cách kết hợp tìm kiếm ngữ nghĩa với các phương pháp tìm kiếm dựa trên từ khóa truyền thống. Ngoài ra, chúng tôi sẽ đi sâu vào việc sử dụng Pyramid Document Retriever để mở rộng ngữ cảnh được thu thập bởi mô hình nhúng.

Trọng tâm của khóa học này không chỉ là hiểu những kỹ thuật này mà còn khi nào và tại sao nên sử dụng chúng. Bạn sẽ được cung cấp các ví dụ mã thực tế để giúp bạn triển khai các chiến lược này trong các dự án của riêng mình. Hơn nữa, bạn sẽ nhận được một gói Python hoàn chỉnh mà bạn có thể sử dụng trong các nỗ lực trong tương lai.

Khóa học này sẽ ban đầu bao phủ những chủ đề cốt lõi này, nhưng do lĩnh vực thu thập và tạo ra (RAG) đang không ngừng phát triển, khóa học sẽ được cập nhật với các bài giảng và nội dung mới để đảm bảo bạn luôn ở đầu xu hướng của những tiến bộ mới nhất.

Giảng viên, với bằng tiến sĩ và hơn bảy năm kinh nghiệm trong lĩnh vực dẫn đầu các nhóm máy học và trí tuệ nhân tạo, có niềm đam mê với nguồn mở và đã tạo ra một trong những dự án RAG nguồn mở phổ biến nhất, Local GPT, với hơn 19.000 sao trên GitHub. Bạn sẽ có cơ hội tương tác trực tiếp với giảng viên và các đồng nghiệp khác thông qua một kênh chuyên dụng trên máy chủ Discord Prompt Engineering, cho phép bạn nâng cao kỹ năng, đổi mới trong lĩnh vực của mình và kết nối với một cộng đồng các chuyên gia cùng quan tâm.

Hãy tham gia chuyến hành trình thú vị này để thành thạo nghệ thuật tương tác với các tài liệu dựa trên văn bản bằng cách sử dụng sức mạnh của LLM và mở khóa những khả năng mới trong lĩnh vực của bạn.