Čia padėsime pagrindus didelių kalbinių modelių (LLM) programų kūrimui, susitelkdami į jų galimybes ir etinius aspektus. Šis sprintas supažindins su svarbiausiomis LLM sąvokomis, tokiomis kaip užklausų inžinerija ir LLM nustatymai, bei kūrimo aplinka „Python“ ar „JavaScript“ kalbomis. Per praktines užduotis padirbėsi su „OpenAI“, „Anthropic“ ir kitais API, bei mokysiesi kurti ir optimizuoti efektyvias užklausas. Pabaigęs sprintą turėsi tvirtą supratimą, kaip atsakingai ir efektyviai taikyti LLM realiame gyvenime.

Čia gilinsiesi į LLM galimybes, mokydamasis integruoti išorinę informaciją ir kurti interaktyvius įrankius. Šiame sprinte susitelksime į „LangChain“ ir jo galimybes optimizuoti LLM darbo eigas, papildomo generavimo (RAG) metodus išoriniams duomenims pasiekti ir vektorines duomenų bazes, tokias kaip „ChromaDB“, skirtas įterpimų saugojimui ir gavimui. Įgysi praktinės patirties kurdamas struktūrizuotus rezultatus bei pokalbių robotų prototipus. Sprinto gale išmoksi naudodamas „LangChain“ ir „Gradio“ kurti programas, gebančias sujungti LLM su realaus pasaulio duomenimis. Šis įgūdis pravers vėliau kuriant pažangiausius AI sprendimus.

Čia susitelksime į atsakingų ir saugių AI sistemų kūrimą, nagrinėdami pagrindines AI etikos, saugumo ir nešališkumo temas. Šis sprintas paliečia strategijas, padedančias sumažinti šališkumo, dezinformacijos ar piktavališko AI naudojimo riziką. Susipažinsi su geriausiomis praktikomis siekiant užtikrinti AI sistemų apsaugą, duomenų privatumą ir nešališkus rezultatus tavo programose. Pabaigęs sprintą būsi pasirengęs kurti patikimus AI sprendimus, atitinkančius etinius ir teisinius standartus.