สร้างและส่งมอบแอปพลิเคชัน LLM ที่ทำงานในขนาดใหญ่
Large language models มีประโยชน์เพียงเมื่อทำงานได้อย่างเชื่อถือได้ในการผลิต หลักสูตรนี้ครอบคลุมสแต็กเต็มของเทคนิคที่ทำให้แอปพลิเคชันที่ขับเคลื่อนด้วย LLM ทำงานได้เร็ว ถูกต้อง และประหยัดต้นทุน: Retrieval-Augmented Generation, vector databases, response caching, และรูปแบบการปรับใช้ในการผลิต การเน้นคือใช้งานได้จริงทั้งหมด — ทุกแนวคิดแมปโดยตรงกับโค้ดที่คุณจะเขียนในระบบจริง
สิ่งที่คุณจะเรียนรู้
คุณจะเริ่มต้นด้วย RAG fundamentals และเรียนรู้วิธีเชื่อมต่อ LLM เข้ากับ retrieval pipeline ที่ดึงบริบทที่เกี่ยวข้องในเวลาสอบถาม จากนั้นคุณจะกำหนดค่าและสอบถาม vector databases, นำไปใช้ caching layers ที่ลดลาเตนซีและต้นทุน API, และสร้าง data ingestion และ preprocessing pipelines ที่มั่นคง หลักสูตรที่ตามมาครอบคลุมวิธีการประเมินผลและการทดสอบสำหรับระบบ RAG, Advanced RAG Techniques สำหรับความแม่นยำและการเรียกคืน, และ Security and Reliability in LLM Production — รวมถึง rate limiting, failover, และการป้องกัน prompt injection
เส้นทางการเรียนรู้
หลักสูตรสิบสองหลักสูตรครอบคลุม B1 ถึง C2 หลักสูตรแรก Introduction to LLM Production & RAG Fundamentals ฟรีและสร้างแบบจำลองทางจิต หลักสูตร B1–B2 สร้าง working pipeline: แอปพลิเคชัน RAG แรกของคุณ, vector DB integration, caching, data preprocessing, และ evaluation หลักสูตร C1 ยกระดับด้วย Advanced RAG Techniques for Enhanced Performance, Optimizing RAG Performance and Cost Efficiency, และ Production Deployment Strategies for LLM Apps ระบบติดตามจบ C2 ด้วย Scaling and Monitoring LLM Applications ครอบคลุม distributed load, observability, และ alerting สำหรับระบบที่ใช้งาน
วิธีการทำงาน
หลักสูตรแต่ละหลักสูตรแบ่งออกเป็นบทเรียนสั้น ๆ ที่ใช้งานได้จริงซึ่งคุณสำเร็จในเอดิเตอร์ในตัวพร้อมความเป็นจริงของเวลาและติวเตอร์ AI พร้อมใช้งานเมื่อคุณติดขัด แบบฝึกหัดใช้ข้อมูลและการกำหนดค่าบริการที่สมจริงเพื่อให้สิ่งที่คุณฝึกฝนสะท้อนให้เห็นว่าระบบการผลิตจริงต้องการอะไร