Tutoriais de IA

Este artigo apresenta um guia prático para a implementação do TNT-LLM, uma estrutura que automatiza a geração de taxonomia e a classificação de textos usando LLMs, demonstrada por meio de um exemplo de agrupamento de artigos de notícias com GPT-4 e LangGraph.

Aprenda a converter modelos técnicos em interfaces de usuário interativas com o Gradio em Python.

Aprenda as diferenças entre as técnicas RAG e Fine-Tuning para personalizar o desempenho do modelo e reduzir as alucinações nos LLMs.

Qwen é uma família de modelos multimodais e de linguagem ampla desenvolvida pela Alibaba Cloud, projetada para várias tarefas, como geração de texto, compreensão de imagens e conversação.

Este artigo compara o desempenho de modelos de linguagem grandes tradicionais e sem MatMul em termos de velocidade e uso de memória.

Desbloqueie todo o potencial dos LLMs (Large Language Models) com o nosso guia sobre o prompting CoT (Chain-of-Thought). Saiba como aprimorar as habilidades de raciocínio e resolução de problemas dos LLMs.

O encadeamento de prompts é uma técnica que envolve a divisão de uma tarefa complexa em uma série de prompts menores e interconectados, em que o resultado de um prompt serve como entrada para o próximo, orientando o LLM por meio de um processo de raciocínio estruturado.

Este tutorial guia você pelos principais recursos e aplicativos práticos do DuckDB, incluindo a criação de tabelas, a realização de análises de dados, a criação de um aplicativo RAG e o uso de um mecanismo de consulta SQL com o LLM.

Explore o Cohere Command R+ on-line e localmente, conheça os recursos exclusivos da API Python do Cohere e crie um agente de IA em várias etapas usando LangChain e Cohere.

Saiba como implementar grafos de conhecimento para aplicativos RAG seguindo este tutorial passo a passo para aprimorar as respostas de IA com conhecimento estruturado.

A compactação de prompts é o processo de reduzir o tamanho de um prompt de entrada e, ao mesmo tempo, reter as informações essenciais necessárias para que um modelo de linguagem entenda e gere uma resposta relevante.

Este tutorial apresentará a você o conceito de detecção de objetos em Python usando a biblioteca OpenCV e como você pode utilizá-la para executar tarefas como a detecção facial.