Hoppa till innehållet
AI-grafen
Logga in
☰ Meny

Mål F AI engineering

Bygg ett minnessystem för en agent

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

Kunskaper
68
Från noll
ca 53 h
Labbar
6
Se vad du redan kan — utan konto

Diagnosen föreslår en startpunkt. Övningarna visar vad du faktiskt kan.

Det här kan du efteråt

Labbar på vägen

Du skriver koden. Tester du inte ser avgör om den håller.

Projekt 5: Bygg ett minnessystem för en agentFsandlåda · ca 180 minLabb: BM25 och ett minimalt RAG-flödeEsandlåda · ca 60 minSlutprov: bygg ett spårbart RAG-flödeEsandlåda · ca 75 minLabb: ett neuronnät i ren NumPy — forward, backprop, gradientkontrollDsandlåda · ca 75 minLabb: gradient descent från grundenDi webbläsaren · ca 50 minLabb: matrismultiplikation och ett lager i ett neuronnätDi webbläsaren · ca 45 min

Hela vägen

Allt målet bygger på, grupperat per nivå och i den ordning det bygger på varandra. Visa på kartan

AUpptäckare3 kunskaper
  1. Mönster och kategorier
  2. Sekvenser och exakta instruktioner
  3. Vad är en dator?
BUtforskare10 kunskaper
  1. Data i vardagen
  2. Algoritmiskt tänkande
  3. Regelbaserade system och maskininlärning
  4. Källkritik och ansvar vid AI-användning
  5. Träningsdata, features och etiketter
  6. Klassificering: hur en modell sorterar information
  7. Teknik bakom webben: så hämtas en sida
  8. Generativ AI: hur den skapar innehåll
  9. Språkmodeller och sannolikheter
  10. AI:s påhittade svar
CByggare15 kunskaper
  1. Funktioner och koordinatsystem
  2. Programmeringslogik — variabler, villkor, loopar
  3. Python — grunderna
  4. Python — listor, loopar och dictionaries
  5. Python — strängar och textbehandling
  6. Python — filer, CSV och JSON
  7. Sökstrategier: linjär sökning kontra binärsökning
  8. Statistik — medelvärde, median och spridning
  9. Sannolikhet — grunderna
  10. Linjär regression: anpassa en rät linje till data
  11. Neuronnät — intuitionen
  12. Promptning — att styra en språkmodell
  13. Sökmotorers grundprinciper: indexering och rankning
  14. Ställa effektiva frågor till AI
  15. RAG: låt AI:n svara utifrån dina egna dokument
DAI-utvecklare22 kunskaper
  1. Derivata och optimering
  2. Licenser och öppna data
  3. Loss-funktioner
  4. Tokenisering
  5. Textförbehandling
  6. BM25 och nyckelordssökning
  7. Gradient descent
  8. Bygg en liten sökmotor
  9. Ge din chatbot ett minne
  10. Vektorer
  11. Matriser och matrismultiplikation
  12. Linjär regression med flera features
  13. Neuronnät — forward pass med matriser
  14. Backpropagation
  15. Embeddings — ord som vektorer
  16. Attention
  17. Overfitting och generalisering
  18. PyTorch — tensorer och autograd
  19. Retrieval — hitta rätt text
  20. Träning, validering och test
  21. Träna ett neuronnät i PyTorch
  22. Transformers — arkitekturen
EUniversitet8 kunskaper
  1. Personuppgifter och anonymisering
  2. Hybridsökning och RRF
  3. Språkmodeller — träning och generering
  4. Modellutvärdering
  5. RAG — retrieval-augmented generation
  6. Vektordatabaser och indexering
  7. Verktygsanvändning (tool use)
  8. Agenter — planera, agera, observera
FAI engineering9 kunskaper
  1. Evals för språkmodeller och agenter
  2. Episodiskt minne för agenter
  3. Minne och integritet
  4. Minnesretrieval: när ska minnet hämtas?
  5. Semantiskt minne och konsolidering
  6. Långtidsevaluering av agenter
  7. Konsolidering och glömska i minnessystem
  8. Utvärdering av minnessystem
  9. Motsägelser och uppdatering av fakta
GFrontier Lab1 kunskaper
  1. Procedurminne: lärda färdigheter