本文试图通过实用的、基于项目的方法为您提供进入人工智能领域所需的所有基本信息。它涵盖了前 5 个项目，您可以立即开始构建，之后，您至少肯定不会处于零阶段！

前 5 名人工智能项目，证明您在该领域的熟练程度！🚀

人工智能最近已成为一项必备技能，现在每家公司都希望拥有一支 AI 团队。该 AI 团队的就业真正专注于可以在人工智能的帮助下利用的巨大能力。

另一方面，由于公司希望在其团队中招聘 AI 专家，因此他们希望某人不仅知道如何使用 AI，而且具有根据公司需求定制工作流程所需的技能。

由于人工智能已成为公司几乎所有执行工作的主要利益相关者，因此公司已经开始构建和维护 AI 工具，这些工具可以帮助他们充分利用 AI 的优势，同时最终带来更多业务，即创收。

因此，鉴于对 AI 人员的需求大幅增长，实际上是时候构建可以展示您在该领域实力的项目，让您比其他人更具优势。

而且，如果您正在考虑从哪里开始，并获得真正为您的投资组合增加价值的项目创意，而不仅仅是 AI 的计算器应用程序那么简单，那么请继续关注我，我已经为您准备好了！

一、AI 个人聊天机器人 [初学者 – 1]

几乎每家公司都希望实现的最重要的事情之一就是为其用户提供聊天机器人。一个会像人类一样响应并随时准备帮助解决用户可能遇到的所有问题的聊天机器人。

那么，如果您希望构建一个人工智能聊天机器人，它能够了解公司的数据并且非常可信，以至于公司已准备好在其官方网站上部署它，那么为什么不先尝试为自己构建一个呢？

构建个人 AI 聊天机器人后，您将学习的关键是 —

• 熟悉重要软件包：完成此项目后，您将熟悉重要的包，即 Hugging Face Hub、PyTorch、TensorFlow、Langchain 等；
• 访问 LLMs： 您将能够访问适用于您的特定使用案例的大型语言模型；
• 构建工作流程： 您将能够构建涉及通过 API 连接到 AI 模型、处理身份验证令牌、管理速率限制等的工作流；
• 提示工程技术：您将学习如何使用系统说明和用户上下文创建有效的提示，并管理对话历史记录；

二、对象检测 [初级 – 2]

处理图像一直很吸引人，现在随着人工智能的出现，入门从未如此简单！在众多有用的项目中，您可以使用 AI 进行对象检测。

构建对象检测项目后，您将学习的关键内容是：

• 基础： 您将了解计算机视觉的基础知识，以及不同的模型如何通过像素分析、特征提取和空间关系来解释视觉数据；
• 熟悉模型： 您还将熟悉构成现代对象检测应用程序（在计算机视觉领域）基础的所有可用模型，例如 YOLO、R-CNN 或 SSD；
• 处理图像： 您将学习如何处理和预处理图像，以便更好地分类和检测对象；

三、与文档应用程序聊天 [中级 – 1]

另一个可以帮助您建立牢固基础的项目是这个 Chat With Document Application。此外，它还将增加您的投资组合，您具备分析和解释任何类型文档所需的技能，无论是 PDF、.txt 文件、Word 文档、网页等。

构建 Chat With Document 应用程序后，您将学习的关键内容是 —

• 使用文档：您将学习使用不同类型的文档。您还将了解有助于将大型文档分割成最佳长度的块的分块策略，以便于索引和检索；
• 向量嵌入和语义搜索：您将了解如何将文本转换为矢量表示，从而促进语义搜索。允许从长文档中查找相关信息；
• Vector Database 实现：深入了解如何使用 FAISS、Pinecone、Casandra 等矢量数据库，这些数据库有助于高效存储和搜索高维矢量；
• 检索增强一代 （RAG）：将向您介绍 RAG 的工作原理，以及它的使用如何产生有洞察力的结果，同时根据共享的文档保持响应；
• 管理上下文窗口：了解如何定义和管理人工智能最重要的限制，即。Context Lenght （或 Context Window） 通过将最相关的文档块组合到 LLM；

四、个性化健身 RAG [中级 – 2]

这是另一个基于开发专门的检索增强生成 （RAG） 项目的项目。这个项目结合了两个重要的东西，首先是健身，其次是专业的 RAG，最终为您的投资组合增加价值。

构建个性化健身 RAG 应用程序后您将学习的关键内容是 —

• 专用 RAG：了解如何创建专用 RAG 代理；
• 提示工程： 学会在维护 RAG LLM 的同时给出指示；
• 思维链推理：了解如何通过应用程序 Chain Of Thought 在回答用户的查询时进行LLM推理。此外，了解构建来自 LLM 的反应，减少幻觉；

五、ReACT LLM 代理 [高级 – 2]

随着 AI 领域的进步，需要构建的最重要的项目之一是ReACT 代理。ReACT 代理是一种，它能够对传递的查询进行推理，同时保留其环境中可用的工具的引用。

简而言之，代理有一些工具可以促进对其执行某些特定作。AI 可以弄清楚何时使用以及如何使用这些工具来实现解决用户提供给它的查询或任务的最终目标。

构建 Chat With Document 应用程序后，您将学习的关键内容是

• 熟悉 Packages：了解一些重要的 Python 包，例如 llama-index、Langchain 等。这些包有效地帮助创建可与其环境交互的代理；
• 基础：了解 ReACT 代理的概念和工作原理，以及如何实际构建一个代理；
• 工具集成： 了解将工具与LLM代理集成、为代理创建适当的界面以与其环境交互并执行作的过程；

我们了解了公司如何变得更加倾向于人工智能，作为为客户提供更多价值并使员工更快、更高效地工作的一种手段。

我们还了解了将 AI 作为我们投资组合中的一项技能的重要性，以及它如何帮助您将个人资料与那里的许多其他个人资料区分开来。