In diesem Modul werden Sie lernen, einen einfachen Chatbot mit Open Source LLMs zu erstellen und Ihren Chatbot in eine Webschnittstelle zu integrieren. Sie werden die verschiedenen Komponenten der Chatbot-Anwendung untersuchen und verstehen, wie ein Chatbot funktioniert. Darüber hinaus werden Sie lernen, wie Sie das richtige große Sprachmodell oder LLM für Ihren Chatbot auswählen. In diesem Projekt werden Sie mit dem Blenderbot-Modell von Facebook und der Python-Bibliothek Transformers von Hugging Face arbeiten.

In diesem Modul lernen Sie die Grundlagen von Chatbots und deren Anwendungen kennen. Sie werden eine Entwicklungsumgebung einrichten, um einen Chatbot zu erstellen. Sie werden einen Chatbot erstellen, der Spracheingaben entgegennehmen und eine gesprochene Antwort mit der IBM Watson Spracherkennung generieren kann und mit dem GPT 3 Modell von OpenAI integriert wird, um eine hohe Intelligenz in den Chatbot einzubauen. Und schließlich lernen Sie, den Chatbot auf einem öffentlichen Server einzusetzen.

In diesem Modul arbeiten Sie an der Erstellung einer App, die mit OpenAI Whisper Audio aufnimmt und mit Llama 2 LLM zusammenfasst. Anschließend lernen Sie, wie Sie die App in einer serverlosen Umgebung mit der IBM Cloud Code Engine bereitstellen. Dieses Modul bietet eine solide Grundlage für die Verwendung von LLMs für die Texterstellung und Zusammenfassungsaufgaben.

In diesem Modul lernen Sie, wie große Sprachmodelle (LLMs) funktionieren und wie man sie für die Datenzusammenfassung und Informationsextraktion verwendet. Sie werden an einem Projekt arbeiten, um Ihren eigenen Chatbot zu erstellen, der es Ihnen ermöglicht, eine PDF-Datei hochzuladen und Benutzeranfragen basierend auf der PDF-Datei zu beantworten. Sie lernen die Verwendung von Llama 2 LLM, unterstützt durch die Retrieval-augmented generation (RAG) Technik. Schließlich werden Sie mit einigen der populären Frameworks wie LangChain arbeiten, um einen intelligenten Chatbot zu erstellen.

In diesem Modul erwerben Sie die notwendigen Fähigkeiten, um einen Sprachübersetzungsassistenten zu erstellen, der generative KI-Modelle wie flan-ul2 und KI-Technologien wie IBM Watson® Speech Libraries for Embed nutzt. Diese Übersetzeranwendung wird Spracheingaben in Text umwandeln und dann die Ausgabe durch Sprache in einer bestimmten Sprache bereitstellen. Sie werden Ihre Python-, Flask-, HTML-, CSS- und JavaScript-Kenntnisse einsetzen, um den webbasierten Sprachassistenten zu erstellen.

In diesem Modul erstellen Sie einen KI-Karriere-Coach, der dabei hilft, die Lücke zwischen Talent und Chancen zu schließen. Als Teil dieses KI-Karriere-Coaches werden Sie drei Anwendungen erstellen: ein Tool zur Verbesserung des Lebenslaufs, einen Generator für personalisierte Bewerbungsschreiben und einen Karriereberater. Sie werden das in die IBM watsonx.ai Plattform integrierte Llama-2-70b-chat large language model (LLM) nutzen, um diese Anwendungen zu erstellen. Sie werden auch Gradio nutzen, um die Webschnittstelle für diese Anwendungen zu erstellen.