[Udemy] Local LLMs via Ollama & LM Studio - The Practical Guide [Maximilian Schwarzmüller]

Разблокируйте силу частного, мощного ИИ на своем собственном ПК!
ChatGPT, Google Gemini и все другие чат-боты AI являются стандартными инструментами для повседневного использования. Но, как и все инструменты, они не являются лучшим выбором для всех задач.
Этот курс научит вас, как использовать открытые LLM, такие как модели Meta Llama, модели Google Gemma или модели DeepSeek для запуска рабочих нагрузок ИИ и чат-ботов AI прямо на вашем компьютере - независимо от того, является ли это ПК высокого класса или обычным ноутбуком.
Для кого курс:

• Начинающие и продвинутые пользователи чат-ботов AI & LLM
• Профессионалы, которые требуют высокой степени конфиденциальности данных
• Технологические энтузиасты и пользователи ИИ, которые хотят выйти за рамки основ

Что вы освоите:

• Open LLM Landscape: Поймите, что такое открытые модели и почему они имеют значение (и где их найти).
• Hardware Demystified: Изучите реалистичные требования к оборудованию для локального запуска LLM.
• Объяснение квантования: Раскройте технику, которая делает возможным запуск огромных моделей на потребительском оборудовании.
• LM Studio In-Depth: Получите практические результаты с установкой, настройкой, выбором, загрузкой и запуском моделей с использованием LM Studio.
• Ollama Mastery: Научитесь устанавливать, настраивать и взаимодействовать с моделями через Ollama.
• Реальные случаи использования: применяйте свои знания к практическим задачам, таким как изображение OCR (чтение текста с изображений), обобщение документов PDF, освоение нескольких снимков и создание творческого контента.
• Программная сила: Узнайте, как интегрировать эти локально запущенные модели в свои собственные скрипты и приложения, используя их встроенные API (LM Studio & Ollama).
• И многое другое! Создайте прочную основу и получите уверенность в изучении огромного потенциала местного ИИ.

Требования:

• Базовое понимание функциональности и использования LLM
• Не нужны продвинутые знания в программировании
• Не менее 8 ГБ (V)RAM (если вы хотите запускать модели локально)