Local LLMs สำหรับการเขียนโค้ด: Ollama, llama.cpp และ RAG

ในขณะที่ artificial intelligence เข้ามาปฏิวัติการพัฒนาซอฟต์แวร์ การพึ่งพาโมเดลบนคลาวด์เพียงอย่างเดียวอาจทำให้เกิดความกังวลเรื่องความเป็นส่วนตัวและมีค่าใช้จ่ายสูง คอร์สนี้จะสอนวิธีนำพลังของ large language models มาสู่ฮาร์ดแวร์ของคุณโดยตรง คุณจะได้สำรวจวิธีตั้งค่า กำหนดค่า และใช้งาน local LLMs เพื่อสร้างผู้ช่วยเขียนโค้ดแบบออฟไลน์ที่ปลอดภัย และผสานรวมเข้ากับเวิร์กโฟลว์การพัฒนาประจำวันของคุณ สิ่งที่คุณจะได้เรียนรู้: ทำความเข้าใจแนวคิดหลักเบื้องหลัง large language models และ local inference ตั้งค่าและรันโมเดลท้องถิ่นโดยใช้ Ollama และ llama.cpp อย่างปลอดภัยบนเครื่องของคุณเอง สร้างระบบ Retrieval-Augmented Generation (RAG) ขั้นพื้นฐานโดยใช้แนวคิดฐานข้อมูลเวกเตอร์สมัยใหม่ ประยุกต์ใช้ local LLMs เพื่อสร้างโค้ด เขียนเทส และทำให้กระบวนการพัฒนาทั่วไปเป็นแบบอัตโนมัติ ฝึกฝนเทคนิค prompt engineering ที่เหมาะสำหรับโมเดลขนาดเล็กที่โฮสต์ในเครื่อง ผสานรวมความสามารถในการเติมโค้ดอัตโนมัติ (autocomplete) ด้วย AI แบบออฟไลน์เข้ากับสภาพแวดล้อมการพัฒนาที่มีอยู่ของคุณ คอร์สนี้เริ่มต้นด้วยคำศัพท์ AI ที่จำเป็นและแนวคิดพื้นฐาน ก่อนจะเข้าสู่คำแนะนำในการตั้งค่าจริงและแบบฝึกหัดการเขียนโค้ด คุณจะก้าวหน้าไปทีละขั้นตอนตั้งแต่การรันโมเดลพื้นฐานไปจนถึงการสร้าง local RAG pipeline ที่เรียบง่ายและปลอดภัย คอร์สเรียนแบบเน้นข้อความนี้ออกแบบมาสำหรับนักพัฒนา วิศวกรแบ็กเอนด์ และผู้ที่ชื่นชอบเทคโนโลยีในระดับเริ่มต้น โดยไม่จำเป็นต้องมีประสบการณ์ machine learning มาก่อน เริ่มอ่านวันนี้เพื่อควบคุมเครื่องมือ AI ของคุณและสร้างผู้ช่วยพัฒนาในเครื่องที่ปลอดภัย