系列介紹
人工智慧和法學碩士：從基礎知識到高級系列是從人工智慧最基本概念到構建和部署可用於生產的法學碩士應用程式的全面旅程。
您不僅會學習理論，還會學習每個概念的實踐程式碼 - 從使用 NumPy 編寫神經網路、使用 PyTorch 實現注意力機制、在 GPU 上微調 LLM、建立 RAG 管道，到將模型部署到真實伺服器。
你會學到什麼？
第 1 部分：人工智慧與深度學習平台
- 第 1 課： AI、ML、DL 和 LLM 概述 — 整體情況
- 第 2 課： AI 數學：線性代數、微積分、機率
- 第 3 課： 從頭開始神經網路：感知器、反向傳播、激活函數
- 第 4 課： 深度學習：CNN、RNN、LSTM — Transformer 的前提
第 2 部分：Transformer 架構
- **第5課：**注意力機制：自註意力與多頭注意力
- 第 6 課： Transformer 架構：編碼器、解碼器、位置編碼
- 第 7 課： BERT 與僅編碼器模型：屏蔽語言建模
- 第 8 課： GPT 與僅解碼器模型：自回歸生成
- 第 9 課： 標記化：BPE、WordPiece、SentencePiece
第 3 部分：法學碩士培訓與微調
- 第 10 課： 預訓練：CLM、MLM 與規模法則
- 第 11 課： 監督微調 (SFT)：指令調優
- 第 12 課： PEFT：LoRA、QLoRA — 使用少量資源進行高效微調
- 第 13 課： RLHF 與聯盟：DPO、PPO、憲法 AI
第 4 部分：提示和 RAG
- 第 14 課： 提示工程：零樣本、少樣本、系統提示
- 第 15 課： 進階提示：思想鏈、思想樹、反應
- 第 16 課： RAG：從 A 到 Z 檢索增強生成
- 第 17 課： 向量資料庫：嵌入、語意搜尋、ChromaDB、Qdrant
第 5 部分：建立人工智慧應用程式
- 第 18 課： AI 代理：工具使用、函數呼叫、代理工作流程
- 第 19 課： LLM API：OpenAI、Anthropic Claude、Google Gemini
第 6 部分：製作與增強
- 第 20 課： 部署 LLM：Ollama、vLLM、TGI 和評估
- 第 21 課： 在 Apple Silicon 上使用 Ollama 運行本地 AI — 深入探討
需要輸入
- 基礎Python（知道如何寫函數、類別、列表理解）
- 3級數學（無需專門化－第2課將複習需要什麼）
- 具有至少 8GB RAM 的電腦（早期零件不需要 GPU）
使用的工具
Python 3.11+ | Ngôn ngữ lập trình chính
NumPy / Pandas | Xử lý số học và dữ liệu
PyTorch | Deep Learning framework
Hugging Face | Transformers, Datasets, TRL
LangChain | LLM application framework
Ollama | Chạy LLM local
OpenAI API | GPT-4o, Embeddings
Anthropic API | Claude
ChromaDB / FAISS | Vector databases