دفاتر ملاحظات كولاب عملية وخالية من الأطر تعلم كومة LLM التطبيقية لمهندسي الذكاء الاصطناعي ومهندسي النشر الأمامي (FDEs). تعلم واجهات برمجة تطبيقات النماذج، RAG، التقييمات، الوكلاء، التكيف والخدمة باستخدام استدعاءات واجهة برمجة تطبيقات خام بدلاً من الغلافات مثل LangChain أو LlamaIndex. كل شيء يعمل على واجهة برمجة تطبيقات Groq المجانية (بدون بطاقة ائتمان)، مع ضبط LoRA الدقيق والخدمة الذاتية المستضافة كملاحق اختيارية مدعومة بوحدة معالجة الرسومات.

التقييمات هي العمود الفقري:习惯 "قياس قبل الضبط" يُرسَّخ مبكرًا ويعود في كل قسم. ثلاث دراسات حالة حقيقية تشمل مساعد دعم إنتاج، مواجهة تكلفة بين خط الأنابيب والوكيل، ومعيار متانة الفريق الأحمر.

ترتيب التعلم: 00 الإعداد، 01 واجهات برمجة تطبيقات النماذج، 02 التقييمات I، 03 RAG، 04 التقييمات II، 05 الوكلاء، 06 الضبط الدقيق مقابل LoRA، 07 الخدمة، 08 حقن المطالبة/الأمان، 09 LLMOps، 10 حرفة العميل. كل دفتر ملاحظات مستقل ذاتيًا، يقرأ مفاتيح API من أسرار كولاب، وينتهي بالتمارين.

تم بناؤه كمرفق عملي لـ "الخطة: الانتقال إلى FDE/Mهندس ذكاء اصطناعي". متوافق طوال الوقت مع OpenAI، مع أنماط قابلة للتبديل لـ Anthropic. يستهدف مهندسي الخلفية أو الكامل المكدس الذين ينتقلون إلى أدوار الذكاء الاصطناعي ويمكنهم شحن كود الإنتاج ويريدون طبقة النموذج التطبيقي.

الكيانات الرئيسية: الشركات: Groq, OpenAI, Anthropic, LangChain, LlamaIndex, Colab

الأسئلة الشائعة: ما الذي يجعل هذه الدفاتر مختلفة عن دروس تعليم هندسة الذكاء الاصطناعي النموذجية؟

تم تصميمها لتكون خالية من الإطارات — أنت تبني حلقات الوكلاء، RAG، والتقييمات من استدعاءات واجهة برمجة تطبيقات خام أولًا، لذا تفهم ما تفعله الغلافات مثل LangChain و LlamaIndex فعلاً قبل استخدامها. كل شيء يعمل على واجهة برمجة تطبيقات Groq المجانية دون الحاجة إلى بطاقة ائتمان.

الأسئلة الشائعة س: ما الذي يجعل هذه الدفاتر مختلفة عن دروس تعليم هندسة الذكاء الاصطناعي النموذجية؟

الأسئلة الشائعة ج: تم تصميمها لتكون خالية من الإطارات — أنت تبني حلقات الوكلاء، RAG، والتقييمات من استدعاءات واجهة برمجة تطبيقات خام أولًا، لذا تفهم ما تفعله الغلافات مثل LangChain و LlamaIndex فعلاً قبل استخدامها. كل شيء يعمل على واجهة برمجة تطبيقات Groq المجانية دون الحاجة إلى بطاقة ائتمان.