在这个快速发展的时代，学习新技能、新知识成为了我们不断提升自我、适应变化的重要途径。尤其在生成式AI日益成为技术前沿和产业发展热点的当下，掌握这一领域的核心知识和技能显得尤为重要。然而，高昂的学费和繁琐的学习过程往往让许多人望而却步。如今，NVIDIA DLI（Deep Learning Institute）带来的生成式课程，正以“一顿火锅钱”的超低门槛，为广大学习者开启了一扇通往生成式AI的大门。
今天我们来盘点一下NVIDIA DLI那些“一顿火锅钱”就可以学习的生成式AI课程！
在全球范围内，企业正积极应用人工智能（AI）技术来应对各种挑战，推动行业变革。从医疗领域提供更准确、更快速的诊断，到零售行业打造个性化购物体验，再到汽车制造商提升车辆安全与出行效率，AI正深刻影响着每一个角落。而深度学习技术，作为AI领域的强大方法，通过多层人工神经网络，精准实现目标检测、语音识别和语言翻译等复杂任务，为企业带来了前所未有的机遇。
在这个充满可能性的时代，提示工程成为提升大语言模型（LLM）能力的关键。一个强大的提示工程工具包，能让您轻松定制LLM行为，执行多样化任务，并充分挖掘各种规模LLM模型的潜力。
课程亮点：
实战演练：与先进的LLaMA-2模型亲密接触，通过实际操作掌握提示工程的精髓。
技能提升：学习编写具体、精准的提示词，使LLM行为与您的意图完美契合。
系统消息应用：掌握编辑和利用系统消息的技巧，为LLM提供明确指导。
多样化学习：体验从单样本到多样本的学习过程，灵活指导LLM行为。
聊天机器人构建：将提示-响应历史融入LLM上下文，亲手打造智能聊天机器人。
学习目标：
精准编写提示词：通过迭代练习，掌握编写与意图高度匹配的提示词技巧。
系统消息运用：熟练运用系统消息，为LLM提供强大指导。
多样化学习指导：掌握从单一样本到多样本的学习方法，灵活引导LLM行为。
聊天机器人构建：运用提示-响应历史，构建功能强大的聊天机器人。
加入本课程，开启LLaMA-2大语言模型的探索之旅，掌握提示工程的核心技能，为企业带来前所未有的AI创新与应用！
课程为30美金，可以支付宝支付，为中文课程，3课时，课件有效期为6个月
课程地址：learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-FX-12+V1-ZH
检索增强生成（Retrieval-augmented generation，RAG）系统在企业应用中展现出巨大潜力，但简单地将向量数据库检索器与通用大型语言模型（LLM）配对，往往难以获得高质量的结果。本课程将教授您一系列技术，助您将RAG系统从有趣的概念验证升级为重要的企业资产。
课程亮点：
构建实战级RAG应用：掌握构建实际、可用于生产的搜索与摘要RAG应用的方法。
微服务编排：创建并部署多个微服务，以满足RAG应用的各种需求。
数据准备技术：运用多种数据分块技术，为您的RAG应用最佳地准备数据。
性能评估：使用人工评估和LLM评估技术，对您的RAG管道性能进行评估。
涵盖技术：
NVIDIA NIMs
LangChain
Redis
NextJS
FastAPI
Docker Compose
课程大纲：
课程介绍：了解课程中使用的关键应用组件和课程结构。
数据准备与探索：准备将在RAG应用中使用的数据，包括将数据分割成易于检索的块，并在摄入时使用LLM以促进其他用例。
加载向量/文档数据库：创建索引以搜索我们的数据，特别是依赖于文本向量（嵌入）表示的向量索引。
检索评估：实现一个接口，允许我们收集有关应用性能的数据，这是许多语言用例中众所周知的难题。
生成优化：将之前的元素组合成最终的Web应用，包括一个初步的评估步骤，以评估用户的意图并智能地选择搜索和LLM提示的正确设置。
完成本课程后，您将能够构建满足企业期望的、基于LLM的RAG应用，为您的企业带来真正的价值。
课程为30美金，可以支付宝支付，为英文课程，4课时，课件有效期为6个月
课程地址：learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-FX-20+V1
合成数据生成（SDG）作为一种先进的数据增强技术，其核心目标是通过提供高质量的训练数据来提升模型的鲁棒性。随着预训练转换器（Transformers）技术的不断突破，越来越多的数据科学家开始探索其在生成合成训练数据方面的潜力，尤其是在为下游预测任务准备数据时。本课程将深入探索如何使用Transformers生成合成表格数据，通过实际案例与操作，让学员掌握这一前沿技能。
学习目标：
理解合成数据的价值：深入了解合成数据如何助力提升模型性能。
掌握Transformers生成数据：学习利用Transformers技术生成合成数据的方法。
端到端工作流程实践：完成从数据预处理到模型预训练、微调、推理及评估的完整流程，掌握实际操作技能。
应用场景拓展：通过本课程，学员将能够基本掌握如何为各类下游预测任务生成合成表格数据。
课程大纲：
合成数据概览：
合成数据的基本原理及其对模型性能的提升作用。
当前合成数据生成技术的现状与发展趋势。
Transformers基础：
Transformers模型的核心架构与工作原理。
Transformers在数据生成任务中的应用潜力。
实操环节：使用Transformers生成合成表格数据：
数据预处理：清洗、格式化及特征工程。
模型预训练：选择合适的预训练模型与策略。
微调与优化：针对特定任务调整模型参数。
推理与评估：生成合成数据并评估其质量。
通过本课程的学习，学员将不仅掌握理论知识，更将通过实战演练，获得使用Transformers生成合成表格数据的宝贵经验，为未来的数据科学与机器学习项目增添强大助力。
课程为30美金，可以支付宝支付，为英文课程，4课时，课件有效期为6个月
课程地址：learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-FX-09+V1
大型语言模型（LLM）或Transformer已经彻底改变了自然语言处理（NLP）领域。随着技术的最新进展，NLP和生成式AI的应用在过去十年中呈爆炸式增长。聊天机器人、智能虚拟助手等应用程序的激增，使得组织能够为其业务注入更具交互性的人机体验。了解如何使用基于Transformer的大型语言模型（LLM）来操作、分析和生成基于文本的数据变得至关重要。现代预训练的LLM能够像人类一样封装语言的细微差别、上下文和复杂性。如果微调和部署得当，开发人员可以使用这些LLM来构建强大的NLP应用程序，从而在聊天机器人、AI语音代理等中实现自然和无缝的人机交互。
学习目标：
本课程旨在教授学生如何将Transformer用作现代大型语言模型（LLM）的构建块，并将这些基于Transformer的模型应用于各种NLP任务，包括文本分类、命名实体识别（NER）、作者归属和问答。
课程主题：
Transformer作为现代NLP应用程序的大型语言模型（LLM）的基本构建块
使用基于Transformer的LLM来操作、分析和生成基于文本的数据
利用预先训练的现代LLM解决各种NLP任务，如标记分类、文本分类、摘要和问答
课程大纲：
介绍Transformer及其在NLP中的应用
描述Transformer如何用作NLP应用程序的现代LLM的基本构建块
深入了解基于Transformer的LLM的工作原理和架构
学习如何使用基于Transformer的LLM来操作、分析和生成基于文本的数据
实践利用预先训练的现代LLM解决各种NLP任务，如文本分类、命名实体识别（NER）、作者归属和问答
完成本课程后，学生将对如何使用基于Transformer的模型进行各种NLP任务有一个基本的了解，并能够将这些知识应用于实际项目中，构建强大的NLP应用程序。
课程为30美金，可以支付宝支付，为英文课程，6课时，课件有效期为6个月，有证书！
课程地址：learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-FX-08+V1
更多NVIDIA DLI课程点击阅读原文
