Hoppa till innehållet
AI-grafen

Bygg ett minnessystem för en agent

Episodiskt och semantiskt minne, retrieval och långtidsevaluering — ett fungerande minnessystem som gör en agent bättre över tid.

F· AI engineering

Alla kunskaper som ingår (68) — i beroendeordning

  1. 1AMönster och kategorier
  2. 2BData från vardagen
  3. 3AInstruktioner i rätt ordning
  4. 4BAlgoritmiskt tänkande
  5. 5CFunktioner och koordinatsystem
  6. 6DDerivata och optimering
  7. 7CProgrammeringslogik — variabler, villkor, loopar
  8. 8CPython — grunderna
  9. 9CPython — listor, loopar och dictionaries
  10. 10CPython — strängar och textbehandling
  11. 11CPython — filer, CSV och JSON
  12. 12BRegler kontra inlärning
  13. 13BKällkritik och ansvar när AI svarar
  14. 14DLicenser och öppna data
  15. 15EPersonuppgifter och anonymisering
  16. 16CSöka och sortera — snabbt eller långsamt?
  17. 17CStatistik — medelvärde, median och spridning
  18. 18CSannolikhet — grunderna
  19. 19DLoss-funktioner
  20. 20DTokenisering
  21. 21DTextförbehandling
  22. 22DBM25 och nyckelordssökning
  23. 23BTräningsdata, features och etiketter
  24. 24BKlassificering — så sorterar en modell
  25. 25CDin första prediktiva modell — en rät linje
  26. 26DGradient descent
  27. 27CNeuronnät — intuitionen
  28. 28CPromptning — att styra en språkmodell
  29. 29AVad är en dator?
  30. 30BHur hänger internet ihop?
  31. 31CHur fungerar en sökmotor?
  32. 32BVad är generativ AI?
  33. 33BGissa nästa ord
  34. 34BAI:n hittar på ibland
  35. 35CStälla bra frågor till en AI
  36. 36CLåt AI:n läsa dina anteckningar först
  37. 37DBygg en liten sökmotor
  38. 38DGe din chatbot ett minne
  39. 39DVektorer
  40. 40DMatriser och matrismultiplikation
  41. 41DLinjär regression med flera features
  42. 42DNeuronnät — forward pass med matriser
  43. 43DBackpropagation
  44. 44DEmbeddings — ord som vektorer
  45. 45DAttention
  46. 46DOverfitting och generalisering
  47. 47DPyTorch — tensorer och autograd
  48. 48DRetrieval — hitta rätt text
  49. 49EHybridsökning och RRF
  50. 50DTräning, validering och test
  51. 51DTräna ett neuronnät i PyTorch
  52. 52DTransformers — arkitekturen
  53. 53ESpråkmodeller — träning och generering
  54. 54EModellutvärdering
  55. 55ERAG — retrieval-augmented generation
  56. 56FEvals för språkmodeller och agenter
  57. 57EVektordatabaser och indexering
  58. 58EVerktygsanvändning (tool use)
  59. 59EAgenter — planera, agera, observera
  60. 60FEpisodiskt minne för agenter
  61. 61FMinne och integritet
  62. 62FMinnesretrieval: när ska minnet hämtas?
  63. 63FSemantiskt minne och konsolidering
  64. 64FLångtidsevaluering av agenter
  65. 65FKonsolidering och glömska i minnessystem
  66. 66FUtvärdering av minnessystem
  67. 67FMotsägelser och uppdatering av fakta
  68. 68GProcedurminne: lärda färdigheter