Planen, erstellen und iterieren Sie GenAI-Ideen schnell, indem Sie ein kurzes Python-Skript in eine interaktive Streamlit-Anwendung verwandeln, die vollständig in Snowflake läuft.
Stärken Sie Ihre Anwendung mit iterativen Entwicklungsprinzipien, praktischen Prompt-Engineering-Methoden und RAG, um Antworten auf reale Daten zu stützen.
Veröffentlichen Sie Ihren Prototyp in privaten Snowflake-Umgebungen oder in der Streamlit Community Cloud und verfeinern Sie ihn zuverlässig ohne zusätzliche Infrastruktur.
Kompetenzen, die Sie erwerben
Kategorie: Abruf-erweiterte Erzeugung
Abruf-erweiterte Erzeugung
Kategorie: Benutzeroberfläche (UI)
Benutzeroberfläche (UI)
Kategorie: Cloud-Bereitstellung
Cloud-Bereitstellung
Kategorie: Bereitstellung von Anwendungen
Bereitstellung von Anwendungen
Kategorie: Anwendungsentwicklung
Anwendungsentwicklung
Kategorie: Prototyping
Prototyping
Kategorie: AI-Integrationen
AI-Integrationen
Kategorie: Generative AI-Agenten
Generative AI-Agenten
Werkzeuge, die Sie lernen werden
Kategorie: No-Code-Entwicklung
No-Code-Entwicklung
Kategorie: Generative KI
Generative KI
Kategorie: Schnelles Engineering
Schnelles Engineering
Wichtige Details
Zertifikat zur Vorlage
Zu Ihrem LinkedIn-Profil hinzufügen
Bewertungen
3 Aufgaben
Unterrichtet in Englisch
91% of learners achieved a positive career outcome
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.
Fast Prototyping of GenAI Apps with Streamlit geht ein kostspieliges Problem an: Ideen verlieren an Dynamik, wenn sie sich in Diskussionen, langwierigen Spezifikationen und immateriellen Faktoren verlieren, die den Entscheidungsprozess verlangsamen. In einem Bereich, in dem jede Woche neue GenAI-Funktionen auftauchen, werden die Teams, die als erste funktionierende Demos vorweisen können, die Roadmaps beeinflussen und Ressourcen gewinnen. Dieser Kurs verschafft Ihnen diesen Geschwindigkeitsvorteil. Sie werden erkunden, wie GenAI den Workflow für das Prototyping rationalisiert, die schnelle Iteration und Validierung der Produkt-Markt-Passung erleichtert und es jedem ermöglicht, unabhängig von seiner Code-Erfahrung, am App-Erstellungsprozess teilzunehmen.
Sie lernen, wie Sie aus ein paar Zeilen Python eine gemeinsam nutzbare Streamlit-Webanwendung erstellen, die Iterationszeit mit Snowflakes sicherem Daten- und Kodierungs-Copilot von Wochen auf Stunden verkürzen und die Leistung Ihrer Anwendung mit Snowflakes Cortex KI, einer vollständig verwalteten Suite von LLMs, RAG und Text-to-SQL-Services (kostenlose 120-Tage-Testversion inbegriffen), auf einfache Weise verbessern.
Sie beginnen mit einem einfachen Chatbot, setzen Prompt Engineering und RAG ein und veröffentlichen das Ergebnis auf Snowflake oder Streamlit Community Cloud für Feedback in Echtzeit. Am Ende des Kurses haben Sie eine funktionierende GenAI-Anwendung, ein wiederholbares MVP-First-Framework und die Fähigkeit, jede neue Idee zu validieren, sobald sie auftaucht.
Lernen Sie, wie Sie mit Streamlit und Snowflake Ideen schnell in funktionierende GenAI-Prototypen verwandeln. Sie werden Ihre erste Gen KI-getriebene App mit echten Daten erstellen, die MVP-Mentalität für eine schnelle Entwicklung beherrschen und entdecken, wie generative KI die Workflows für Coding, Debugging und Prototyping beschleunigt.
Das ist alles enthalten
18 Videos8 Lektüren1 Aufgabe
Infos zu Modulinhalt anzeigen
18 Videos•Insgesamt 85 Minuten
Gespräch zwischen Chanin Nantasenamat und Andrew Ng•9 Minuten
Einführung in das Prototyping generativer KI-Anwendungen•2 Minuten
Die Vorteile des Prototyping•6 Minuten
Wie GenAI das Prototyping revolutionierte•4 Minuten
Der Prototyping-Entwicklungszyklus für GenAI•5 Minuten
Vermeiden von Fallstricken•4 Minuten
Einführung in das Kursprojekt und den Datensatz•4 Minuten
Scoping eines MVP•6 Minuten
Übersicht über das Github Repo des Kurses•4 Minuten
Übung 1: Gemeinsame Erstellung eines MVP-Plans mit GenAI•6 Minuten
Die Wahl der richtigen Werkzeuge•2 Minuten
Einrichten Ihrer Umgebung•8 Minuten
Erste Schritte mit Streamlit•4 Minuten
Erstellen Ihrer ersten interaktiven Streamlit-App•5 Minuten
Integration von GenAI für die Datenverarbeitung•5 Minuten
Datenvisualisierung•4 Minuten
Veröffentlichen Sie Ihre App online•5 Minuten
Labor 2 - Avalanche Sentiment Analysis Dashboard mit GenAI•3 Minuten
8 Lektüren•Insgesamt 62 Minuten
Einrichten Ihrer Umgebung•5 Minuten
Agile Prototypenerstellung•15 Minuten
Anleitung für Labor 1: Gemeinsame Erstellung eines MVP-Plans mit GenAI•10 Minuten
Treten Sie dem DeepLearning.AI Forum bei, um Fragen zu stellen, Unterstützung zu erhalten oder erstaunliche Ideen zu teilen!•1 Minute
Streamlit FAQ•10 Minuten
Best Practices für die Erstellung von GenAI-Apps in Streamlit•10 Minuten
Anleitung für Labor 2: Avalanche Sentiment Analyse Dashboard mit GenAI•10 Minuten
Modul 1 Vorlesungsskript•1 Minute
1 Aufgabe•Insgesamt 30 Minuten
Modul 1 Quiz•30 Minuten
Schnelles Prototyping mit Streamlit in Snowflake
Modul 2•4 Stunden abzuschließen
Moduldetails
Verwandeln Sie Ihren grundlegenden Prototyp in ein einsatzfähiges, gemeinsam nutzbares MVP, indem Sie Snowflake Cortex für KI-gestützte Erkenntnisse integrieren, interaktive Schnittstellen erstellen und die Bereitstellung beherrschen, um Ihre App für echte Benutzer zugänglich zu machen. Sie analysieren unstrukturierte Daten, erstellen optimierte Workflows und lernen mehrere Optionen für die Bereitstellung kennen, darunter Streamlit Community Cloud und Snowflake Native Apps.
Das ist alles enthalten
13 Videos7 Lektüren1 Aufgabe
Infos zu Modulinhalt anzeigen
13 Videos•Insgesamt 62 Minuten
Erstellung von Prototypen in Snowflake•2 Minuten
Einführung in Schneeflocke•5 Minuten
Snowsight-Entwicklungsumgebung•7 Minuten
Von CSV in die Cloud - Verwendung von Notizbüchern zum Einlesen von Lawinendaten•13 Minuten
Hochladen eines Batch von Dateien•4 Minuten
Von der Bühne zum Tisch mit Cortex•3 Minuten
Extrahieren von Informationen aus dem Inhalt•3 Minuten
Labor 1: Analytik für die Schifffahrt von Avalanche•5 Minuten
Ein Tisch, der alle regiert•6 Minuten
Sentimentanalyse mit Cortex•3 Minuten
Datenvisualisierung in Snowflake•3 Minuten
Erstellen Sie Ihre AI-gestützte Streamlit-App in Snowflake•4 Minuten
Labor 2 Überblick: Verwendung von GenAI für Sentimentanalysen•3 Minuten
7 Lektüren•Insgesamt 141 Minuten
Erste Schritte mit Streamlit in Snowflake•10 Minuten
[Optional] Snowsight-Ressourcen•10 Minuten
Level Up: Schneeflocken-Ökosystem•30 Minuten
Level Up: Laden von Daten auf Snowflake•30 Minuten
Anleitung für Labor 1: Analytik der Schifffahrt (Avalanche)•30 Minuten
Anleitung für Labor 2: Verwendung von GenAI für die Sentimentanalyse•30 Minuten
Modul 2 Vorlesungsskript•1 Minute
1 Aufgabe•Insgesamt 30 Minuten
Modul 2 Quiz•30 Minuten
Iterative Verbesserung
Modul 3•3 Stunden abzuschließen
Moduldetails
Erstellen Sie intelligente Dateneinblicke mithilfe von Snowflake Cortex-Funktionen zur automatischen Zusammenfassung, Analyse der Stimmung und Extraktion von Mustern aus Kundenrezensionen. Sie werden strukturierte und unstrukturierte Daten nahtlos kombinieren, RAG (Retrieval-Augmented Generation) implementieren, um KI-Antworten mit echten Kundendaten zu verbessern, und Datenerweiterungstechniken verwenden, um die Antwortqualität zu verbessern - alles ohne das Schreiben komplexer analytischer Logik, während Sie Ihre App für reale Benutzertests vorbereiten.
Das ist alles enthalten
14 Videos7 Lektüren1 Aufgabe
Infos zu Modulinhalt anzeigen
14 Videos•Insgesamt 59 Minuten
Auswahl der RIGHT-Bereitstellungsstrategie•3 Minuten
Interne Bereitstellung Ihres Prototyps in Streamlit•7 Minuten
Bereitstellung in der Streamlit Community Cloud•3 Minuten
Übung 1: Bereitstellung des Prototyps•4 Minuten
Schnell iterieren•3 Minuten
Schnelles Feedback•3 Minuten
Auf Feedback reagieren•4 Minuten
Wiederholen, Verbessern, Wiederholen - Schnelles Feedback für Ihre Lawinen-App•4 Minuten
Verbesserte Prompts•11 Minuten
Erweiterung des Prototyps durch Datenerweiterung•4 Minuten
Verwendung von RAG zur Verbesserung der Leistung eines Modells•5 Minuten
Einrichten einer RAG-Pipeline mit Cortex Search•3 Minuten
Übung 2: RAG in Ihren Chatbot integrieren•3 Minuten
Was kommt als nächstes?•3 Minuten
7 Lektüren•Insgesamt 61 Minuten
Verbindung der Streamlit Community Cloud mit Snowflake•10 Minuten
Anleitung für Labor 1: Bereitstellung Ihres Prototyps•5 Minuten
Best Practices für Prompt Engineering mit OpenAI•30 Minuten
Anleitung für Labor 2: Integration von RAG in Ihren Chatbot•5 Minuten
Modul 3 Vorlesungsskript•1 Minute
(fakultativ) Gelegenheit, andere Lernende zu betreuen•5 Minuten
DeepLearning.AI ist ein Bildungstechnologie-Unternehmen, das eine globale Gemeinschaft von KI-Talenten entwickelt.
Die von Experten geleiteten Bildungserfahrungen von DeepLearning.AI geben KI-Praktikern und nicht-technischen Fachleuten die notwendigen Werkzeuge an die Hand, um von den Grundlagen bis hin zu fortgeschrittenen Anwendungen zu gelangen und eine KI-gestützte Zukunft aufzubauen.
Eine einzige, globale Plattform, die die Datenwolke vorantreibt. Snowflake wurde entwickelt, um Unternehmen weltweit zu vernetzen, unabhängig von Datentyp oder -umfang und Arbeitslasten, und eine nahtlose Datenzusammenarbeit zu ermöglichen.
Wann werde ich Zugang zu den Vorlesungen und Aufgaben haben?
Um Zugang zu den Kursmaterialien und Aufgaben zu erhalten und um ein Zertifikat zu erwerben, müssen Sie die Zertifikatserfahrung erwerben, wenn Sie sich für einen Kurs anmelden. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen. Der Kurs kann stattdessen die Option "Vollständiger Kurs, kein Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Bewertungen abgeben und eine Abschlussnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was erhalte ich, wenn ich das Zertifikat kaufe?
Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugang zu allen Kursmaterialien, einschließlich der benoteten Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat zu Ihrer Erfolgsseite hinzugefügt - von dort aus können Sie Ihr Zertifikat ausdrucken oder zu Ihrem LinkedIn-Profil hinzufügen.
Ist finanzielle Hilfe verfügbar?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie die Einschreibegebühr nicht aufbringen können. Wenn für das von Ihnen gewählte Lernprogramm eine finanzielle Unterstützung oder ein Stipendium verfügbar ist, finden Sie auf der Beschreibungsseite einen Link zur Beantragung.