吴恩达再开新课程！如何基于大语言模型实现更强大的语义搜索课程！

刚刚，吴恩达宣布deeplearning.ai 与 Cohere 合作推出了一个新课程：“Large Language Models with Semantic Search”。这个课程主要教授大家如何使用LLMs进行语义搜索，还提供了大量实践经验，来克服搜索结果和准确性等挑战。

搜索引擎的问题和LLM的价值

在数字化的今天，搜索引擎已经成为我们生活中不可或缺的一部分。无论是寻找一家餐厅、了解某个话题，还是研究学术问题，我们都依赖搜索引擎为我们提供答案。但传统的关键词搜索有时可能并不理想，这就是语义检索和大型语言模型（LLMs）发挥作用的地方。

关键词搜索多年来一直是搜索的常见方法。但对于像新闻媒体网站或在线购物平台这样的内容丰富的网站，关键词搜索功能可能受到限制。与基于关键词的搜索不同，语义检索旨在理解查询的真正意图和上下文，从而返回更相关的结果。它不仅仅关注关键词，而是关注整个查询的意义。例如，对于查询“苹果的营养价值”，传统的关键词搜索可能会返回所有包含“苹果”和“营养价值”这两个词的文章，而语义搜索会更加关注与苹果的营养相关的内容。

近年来，大型语言模型，如OpenAI的GPT系列，已经在各种NLP任务中取得了令人瞩目的成果。这些模型通过在大量文本数据上进行训练，学会了理解和生成人类语言。这使得它们在理解查询意图和提供相关答案方面具有巨大的潜力。

• 深度理解：LLMs能够理解复杂的查询，甚至是那些传统搜索引擎可能会忽略的模糊或多义词查询。

• 密集检索：与传统的关键词搜索相比，LLMs可以提供更加相关的搜索结果，因为它们使用文本的实际语义意义进行搜索。

• 重新排名：LLMs可以对初步的搜索结果进行重新排名，确保最相关的内容位于顶部。

吴恩达新短课：Large Language Models with Semantic Search

这是吴恩达的DeepLearningAI与Cohere合作推出的新课程。课程时长为1小时，目前免费开放。该课程主要包含的内容如下：

• 了解如何实现基本的关键词搜索，这是许多搜索系统在语言模型变得可访问之前的基础。

• 使用rerank方法增强关键词搜索，该方法按照与查询的相关性对最佳响应进行排名。

• 通过使用embeddings（一种强大的NLP工具）实现密集检索，该工具使用文本的实际语义意义进行搜索，并大大提高了结果。

• 通过处理大量数据获得实践经验，并克服像不同的搜索结果和准确性这样的挑战。

• 将语言模型驱动的搜索整合到你的网站或项目中。

该课程面向初级人员，任何对Python有基本熟悉并希望更深入了解LLMs的关键技术基础并学习使用语义搜索的人都是合适的。

Large Language Models with Semantic Search课程地址：https://www.deeplearning.ai/short-courses/large-language-models-semantic-search/

吴恩达人工智能和大模型课程总结

其实，吴恩达最近2个月发布了相当多的优秀课程，都是关于人工智能和LLM的，且大多数是免费课程，价值很高。

这里总给一下：

1. 如何基于Gradio构建生成式AI的应用：吴恩达联合HuggingFace推出最新1小时短课：https://www.datalearner.com/blog/1051690422985676
2. Generative AI with Large Language Models，一个面向中级人员的生成式AI课程：https://www.datalearner.com/blog/1051688052742878
3. 吴恩达宣布和OpenAI、LangChain、Lamini三家公司一起推出三门全新AI短视频课程：ChatGPT API、LangChain和Diffusion Models：https://www.datalearner.com/blog/1051685630124097
4. 吴恩达AI系列短课再添精品课程：如何基于LangChain使用LLM构建私有数据的问答系统和聊天机器人：https://www.datalearner.com/blog/1051688611720857