แผนงานของผู้เริ่มต้นเพื่อเรียนรู้การกำเนิด AI ในปี 2567
1. ผู้ใช้
หากต้องการเริ่มเรียนรู้การกำเนิด AI ในฐานะผู้ใช้ให้ทำตามขั้นตอนเหล่านี้:
- ลงทะเบียนและสร้างบัญชีเกี่ยวกับเครื่องมือ AI ที่เกิดขึ้นได้ (เช่น Chatgpt, Bard, Midjourney, Dalle 2, การแพร่กระจายที่มั่นคง)
- รับประสบการณ์จริงด้วยเครื่องมือเหล่านี้
- ทำความเข้าใจกับความสามารถและคุณสมบัติของเครื่องมือ AI กำเนิด
- ทดลองใช้เครื่องมือในการสำรวจข้อดีและข้อเสียของพวกเขา
2. ผู้ใช้สุดยอด
หลังจากทำความคุ้นเคยกับเครื่องมือ AI ที่เกิดขึ้นแล้วให้เพิ่มความรู้ของคุณในฐานะผู้ใช้ที่ยอดเยี่ยม:
- เรียนรู้เกี่ยวกับวิศวกรรมที่รวดเร็ว
- สำรวจพรอมต์ที่มีประสิทธิภาพสำหรับเครื่องมือ AI กำเนิด
- เข้าใจแนวทางปฏิบัติที่ดีที่สุดสำหรับการเขียนพรอมต์
3. นักพัฒนา
สำหรับนักพัฒนาแผนงานรวมถึง:
ข้อกำหนดเบื้องต้น
ก่อนที่จะดำน้ำไปสู่การพัฒนา AI กำเนิดให้แน่ใจว่าคุณมีความเข้าใจที่ดีเกี่ยวกับ:
- แนวคิดความน่าจะเป็นและสถิติ
- แนวคิดพีชคณิตเชิงเส้น
- แนวคิดแคลคูลัส
- ภาษาการเขียนโปรแกรมเช่น Python/r
การเรียนรู้ของเครื่องจักร
- สะดวกสบายกับอัลกอริทึมการเรียนรู้ที่ได้รับการดูแลและไม่ได้รับการดูแล
- สร้างรูปแบบการเรียนรู้ของเครื่องบนชุดข้อมูลตาราง
การเรียนรู้อย่างลึกซึ้ง
- เข้าใจสถาปัตยกรรมการเรียนรู้ลึก (MLP, RNNS, LSTMS, GRUS, CNNS)
- ประสบการณ์จริงด้วยกรอบการเรียนรู้อย่างลึกซึ้ง (Keras, Tensorflow, Pytorch หรือ Fastai)
- ฝึกอบรมแบบจำลองการเรียนรู้ลึกรวมถึง MLP, RNNS, CNNS
รุ่นกำเนิดสำหรับ NLP และ Vision คอมพิวเตอร์
เลือกเส้นทางของคุณ:
3.3.1 รุ่นกำเนิดสำหรับ NLP
- รุ่น Master Language Models (LLMS) เช่น Transformers, Bert, GPT 3.5, Palm 2
- ใช้ LLMS สำหรับงานดาวน์สตรีมและการปรับแต่ง
- สำรวจโมเดลเช่น CHATGPT และ BARD
3.3.2 รุ่นกำเนิดสำหรับการมองเห็นคอมพิวเตอร์
- เรียนรู้เกี่ยวกับรูปแบบการแพร่กระจาย
- ทำความเข้าใจกับแบบจำลองการแพร่กระจายที่มั่นคง
- สำรวจนางแบบเช่น Mid Journey, Dalle 2
4. นักวิจัย
สำหรับนักวิจัยที่ต้องการใน Generative AI:
นักวิจัย NLP
- ใช้แบบจำลองความสนใจ, ความสนใจ KQV, การทำให้เป็นมาตรฐานเลเยอร์, การเข้ารหัสตำแหน่ง
- สร้างสถาปัตยกรรม GPT ของคุณเอง
- เรียนรู้อัลกอริทึมการเรียนรู้การเสริมแรงและ PPO
- ใช้ RLHF
- สร้าง CHATGPT ตั้งแต่เริ่มต้น
- อัปเดตอยู่กับแนวโน้มปัจจุบันใน AI Generative สำหรับ NLP
นักวิจัยด้านการมองเห็นคอมพิวเตอร์
- สร้างโมเดลการแพร่กระจายตั้งแต่เริ่มต้น
- ใช้การแพร่กระจายที่มั่นคง
- อัปเดตด้วยแนวโน้มปัจจุบันใน AI Generative สำหรับการมองเห็นคอมพิวเตอร์
แผนงานนี้เป็นแนวทางที่จะช่วยให้คุณก้าวหน้าจากการเป็นผู้ใช้กับนักวิจัยใน AI Generative ปรับแต่งเส้นทางการเรียนรู้ของคุณตามความสนใจและเป้าหมายของคุณ
