สร้าง Local Private AI Stack: Self-Hosted LLMs และ RAG

เมื่อ AI กลายเป็นสิ่งจำเป็นสำหรับเวิร์กโฟลว์สมัยใหม่ การส่งข้อมูลที่ละเอียดอ่อนไปยังผู้ให้บริการ Public Cloud จึงนำมาซึ่งความเสี่ยงด้านความเป็นส่วนตัวที่สำคัญ การรัน AI Stack ของคุณเองแบบ Local ช่วยให้ทีมของคุณสามารถใช้ประโยชน์จากโมเดลที่ทรงพลังได้ ในขณะที่ยังคงรักษาความปลอดภัยของข้อมูลที่เป็นกรรมสิทธิ์ได้อย่างสมบูรณ์ คอร์สนี้จะนำคุณไปสู่แนวคิดพื้นฐานในการตั้งค่าโครงสร้างพื้นฐาน AI แบบ Private และ Self-Hosted คุณจะได้สำรวจวิธีการรัน Large Language Models (LLMs) ภายในเครื่อง, สร้าง API Gateway ภายในที่ปลอดภัย และปรับใช้ Retrieval-Augmented Generation (RAG) เพื่อเชื่อมต่อ AI เข้ากับเอกสารภายในของคุณ สิ่งที่คุณจะได้เรียนรู้: - เข้าใจความแตกต่างหลักระหว่างการติดตั้ง AI บน Cloud และแบบ Local - กำหนดค่าโครงสร้างพื้นฐานพื้นฐานสำหรับการทำ Self-Hosting Large Language Models - ออกแบบ Pipeline ของ Retrieval-Augmented Generation (RAG) โดยใช้ Vector Databases สมัยใหม่ - ตั้งค่า API Gateway เพื่อจัดการและกำหนดเส้นทางคำขอของทีมไปยัง Local AI ของคุณ - ประยุกต์ใช้แนวคิดพื้นฐานด้าน Containerization และ MLOps เพื่อการติดตั้งที่เชื่อถือได้ - ฝึกฝนพื้นฐาน Prompt Engineering เพื่อเพิ่มประสิทธิภาพผลลัพธ์ของโมเดล Local คอร์สนี้เริ่มต้นด้วยคำศัพท์ AI ที่จำเป็นและแนวคิดด้านสถาปัตยกรรม ก่อนจะเข้าสู่กลยุทธ์การติดตั้งในทางปฏิบัติ คุณจะได้อ่านสถานการณ์จำลองและตัวอย่างการกำหนดค่าแบบทีละขั้นตอน เพื่อทำความเข้าใจว่าแต่ละส่วนประกอบของ Private AI Stack เชื่อมต่อกันอย่างไร คอร์สนี้ออกแบบมาสำหรับผู้เริ่มต้น, ว่าที่ Platform Engineers และนักพัฒนาที่ต้องการทำความเข้าใจโครงสร้างพื้นฐาน AI โดยไม่จำเป็นต้องมีประสบการณ์ด้าน Machine Learning มาก่อน เริ่มสร้างสภาพแวดล้อม AI ที่เป็นส่วนตัวและปลอดภัยของคุณได้ตั้งแต่วันนี้