Struttura del corso

Introduzione a LlamaIndex

  • Comprendere LlamaIndex e il suo ruolo negli LLM
  • Configurazione di LlamaIndex: ambiente e prerequisiti
  • Nozioni di base sull'indicizzazione dei dati personalizzati

LlamaIndex in azione

  • Interrogare con LlamaIndex: tecniche e best practice
  • Creazione di motori di query e chat con LlamaIndex
  • Creazione di interfacce Streamlit intuitive per applicazioni LLM

Funzionalità avanzate di LlamaIndex

  • Utilizzo della generazione aumentata di recupero (RAG) per un migliore recupero dei dati
  • Sfruttare i vettori per una gestione efficiente dei dati
  • Progettazione e implementazione di agenti LlamaIndex

Sviluppo di applicazioni con LlamaIndex

  • Prompt engineering: catena di pensiero, ReAct, prompt a pochi colpi
  • Sviluppo di un helper per la documentazione: un'applicazione LLM reale
  • Debug e test di applicazioni LLM

Distribuzione e scalabilità

  • Distribuzione di applicazioni basate su LlamaIndex
  • Scalabilità delle applicazioni LLM per prestazioni elevate
  • Monitoraggio e ottimizzazione delle applicazioni LLM

Considerazioni etiche e pratiche

  • Esplorare le implicazioni etiche nelle applicazioni LLM
  • Garantire la privacy e la sicurezza dei dati con LlamaIndex
  • Prepararsi per i futuri sviluppi della tecnologia LLM

Riepilogo e prossime tappe

Requisiti

  • Comprensione di Python concetti di programmazione e di base di Machine Learning
  • Esperienza con API e sviluppo di applicazioni
  • La familiarità con l'elaborazione del linguaggio naturale è utile ma non richiesta

Pubblico

  • Gli sviluppatori
  • Scienziati dei dati
 42 ore

Numero di Partecipanti



Prezzo per Partecipante

Corsi relativi

Categorie relative