[702] ChatGPT入门实战课 AI提效大数据开发平台建设 – 网盘下载

网盘链接：

1. GPT来了，找个场景集成AI的能力

• 1-1 让AI成为你的工具人，为你的项目开发提效赋能
• 1-2 每个人都需要学会使用AI
• 1-3 寻找身边ChatGPT的应用场景

2. 使用AI，掌握“提问”的秘诀

• 2-1 初识ChatGPT
• 2-2 ChatGPT能力介绍
• 2-3 让我们用上ChatGPT
• 2-4 用上ChatGPT
• 2-5 向ChatGPT提问的秘诀
• 2-6 提示技巧工程完全指南
• 2-7 初探Prompt工程
• 2-8 抽象一个Prompt模板
• 2-9 必须要知道的Prompt小技巧
• 2-10 ChatGPT，不止是文本输出
• 2-11 Prompt模板优化
• 2-12 ChatGPT也不是万能的
• 2-13 本章小结

3. 进阶AI，集成API激发潜能

• 3-1 ChatGPT API，让集成AI成为可能
• 3-2 API使用之从认识模型开始
• 3-3 ChatGPT Plus & API充值
• 3-4 API使用之学习接口调用
• 3-5 实战：jtokkit拆分Tokens
• 3-6 实战：Java GPT API Client
• 3-7 实战：Java GPT Stream Client
• 3-8 实战：GPT新能力之Function Call
• 3-9 实战：快速实现一个聊天机器人
• 3-10 扩展：对GPT输出文本进行审核
• 3-11 扩展：利用GPT进行语句的情感分析
• 3-12 扩展：利用GPT实现音频转文本
• 3-13 本章小结

4. 容器化，实现用户开发环境隔离

• 4-1 给GPT的落地找个场景
• 4-2 企业级数据开发平台介绍
• 4-3 容器化技术：Docker
• 4-4 Docker安装
• 4-5 Docker镜像管理
• 4-6 Docker镜像分层
• 4-7 Docker应用建议
• 4-8 K8s：Docker编排工具
• 4-9 Rancher安装
• 4-10 K8S集群部署
• 4-11 Rancher部署K8s集群
• 4-12 通过Rancher启动容器
• 4-13 镜像仓库介绍
• 4-14 私有镜像仓库Harbor
• 4-15 Harbor部署
• 4-16 Harbor API实战
• 4-17 K8S API实战
• 4-18 本章小结

5. 项目开发，企业级数据开发平台

• 5-1 企业级数据开发平台架构设计
• 5-2 JGIT实现用户脚本管理
• 5-3 开发平台任务执行服务设计
• 5-4 Shell执行引擎模块开发
• 5-5 技术储备：Py4j介绍
• 5-6 Python执行引擎模块开发
• 5-7 Presto执行引擎模块开发
• 5-8 任务分发服务开发
• 5-9 任务执行流程测试
• 5-10 图表可视化模块
• 5-11 前端页面开发
• 5-12 大数据扩展：Hive执行引擎模块开发
• 5-13 大数据扩展：Python引擎执行Spark任务
• 5-14 执行服务Dockerfile打包镜像
• 5-15 任务执行镜像管理模块开发
• 5-16 本章小结

6. AI集成，智能开发平台能力演练

• 6-1 集成ChatGPT之基础会话服务
• 6-2 自定义Prompt构建AI助手
• 6-3 让ChatGPT为运行报错提供解决方案
• 6-4 让ChatGPT为你编写SQL
• 6-5 代码生成及测试
• 6-6 图表生成及测试
• 6-7 快速开发之Shell操作HDFS
• 6-8 快速开发之Python监听Hadoop JMX信息
• 6-9 快速开发之Spark数据导入
• 6-10 快速开发之数据分析维度推荐
• 6-11 数据分析概念介绍
• 6-12 快速开发之自然语言配置图表
• 6-13 本章小结

7. 扩展：更多的AI应用和私有大模型

• 7-1 AI现象级应用之ChatPDF
• 7-2 AI现象级应用之Midjourney
• 7-3 常用工具的AI插件介绍
• 7-4 将ChatGPT集成到你的微信
• 7-5 AI模型社区HuggingFace
• 7-6 通过ChatGLM6B部署私有大模型
• 7-7 企业知识库方案介绍
• 7-8 AI应用之企业知识库
• 7-9 课程小结