之前好多小伙伴和我反馈错过了24年甲骨文的AI专家级证书免费考试,这次小李哥就给大家带来了24年最新的OCI另外一门AI基础级考试,主要目的是帮助大家提升AI/ML的基础知识和技能,给大家带来免费的学习福利,赶紧关注小李哥不要再错过优质学习资料。

甲骨文Oracle云凭借其Oracle原生产品(数据库、ERP等)在全球云计算市场排名第5。目前Oracle也在打造多云战略,与AWS和Azure等平台都做了集成方案,并且乘着AI的东风推出了自己的生成式AI和其他多样AI服务,打造更为多元化的技术生态,大家学习考一下对于日常研发、学习云计算和AI大有帮助。

今天就给大家带来24年甲骨文最新的免费AI证书(开卷,有答案)无基础10分钟照答案填可过。

小李哥同时给大家准备了其他多门Oracle热门免费考试的答案,大家关注小李哥领取



▶️免费证书名字为:

️ Oracle Cloud Infrastructure 2024 AI Foundations Associate

️内容:

甲骨文云2024AI工程师证书(含金量较高)。主要考察AI基础知识、ML/DL相关概念及应用场景、生成式AI概念及模型训练/调参、OCI上的AI/ML服务基础知识和架构。针对无任何经验的小白



▶️含免费AI学习课程:

️在主页点击图5红框即可免费领AI课程

▶️报名方式:

️如图红框,搜OCI Infrastructure 2024 AI Foundations Associate Exam,点击2024年的认证考试(图里标记错了,找2024的)


️在图中,点击"Register for free",点击“Launch Exam”即可开始开卷答题
️考试开卷、60分钟内答完40道题,65分通过,小李哥已为大家做好了答案,照着答案选就能过
️ 完成考试后会显示结果和分数,点击右侧红框领取证书。证书发放会有延时,需要等待一段时间


️ 跳转到CertView页面查看/下载证书



▶️领取答案方式
️可以私聊加入小李哥AI学习群群公告领取,加入4000人AI学习/考证大群交流考试心得

如何在甲骨文云OCI上调用生成式AI大模型?

接下来小李哥将分享如何在Oracle Cloud OCI中如何利用Python编写一个最简单的云原生AI服务架构,使用代码创建和调用LLM(如Llama3)模型,以及创建Cloud Function来处理这些任务,以实现自动化AI流程。以下是如何实现这些任务的详细步骤和示例代码。

所需服务介绍

Generative AI (OCI大模型托管服务)

Oracle Cloud Infrastructure (OCI) 的Generative AI服务为开发者提供了来自Meta和Cohere的AI模型,能够根据用户需求生成多种形式的内容,包括文本、图像和向量化内容。该服务利用大型语言模型(LLMs)和其他先进的AI技术,帮助开发者和企业创建自然对话、生成创意内容、自动编写文档等。通过使用Generative AI服务,用户可以实现自动化内容生成,提升生产效率,简化工作流程,为开发者和企业的AI服务开发赋能。但是OCI相对于主流云厂商AI相关能力较弱,但是对于基础学习还是足够的。

Cloud Function (无服务器代码运行服务)

Oracle Cloud Infrastructure (OCI) 的Cloud Function服务是一种无服务器计算服务,允许开发者运行代码而无需管理基础设施。Cloud Functions可以自动扩展,并且只在代码运行时收费,提供了灵活且成本效益高的计算资源。开发者可以使用各种编程语言编写和部署函数,适用于事件驱动的任务、数据处理、API后台等场景。通过Cloud Functions,企业和开发者可以快速构建和扩展应用程序,简化开发和运维工作。

利用Python调用大模型服务(Llama3)

下面代码就是通过Python调用OCI Generative AI中的大模型样例, 运行前要把ocid1.ailanguage.model.oc1..exampleuniqueID替换为自己账户内的Llama3 模型id。

import oci
from oci.ai_language.models import TextGenerationRequest

# Initialize OCI config and clients
config = oci.config.from_file()
ai_client = oci.ai_language.AILanguageClient(config)

# Define the input text for the Llama 3 model
input_text = "Once upon a time"

# Create the text generation request
text_generation_request = TextGenerationRequest(
    model_id="ocid1.ailanguage.model.oc1..exampleuniqueID",  # Replace with your model's OCID
    text=input_text,
    max_tokens=100  # Define the maximum number of tokens to generate
)

# Invoke the model
response = ai_client.create_text_generation(text_generation_request)

# Get the generated text
generated_text = response.data.result

print("Generated Text:", generated_text)

创建Cloud Function并部署Python代码

接下来小李哥分享如何使用OCI Python SDK定义OCI Resource Manager脚本,通过基础设施即代码(IaC)创建Oracle Cloud Infrastructure (OCI) 的Cloud Function,并暴露一个公网URL,还要为其添加访问Generative AI上模型的权限。以下是一个示例代码,本代码主要包括如下步骤:

创建一个Cloud Function应用。

创建一个Cloud Function。

配置API Gateway暴露公网URL。

为Cloud Function添加IAM策略,允许访问Generative AI模型。

下面就是完整代码,使用该IaC代码,需要大家提前将调用Llama3大模型的代码封装成image,并推送到OCI的容器镜像库(OCIR)中,将镜像的tag替换到创建Cloud Function的代码部分的image键值“phx.ocir.io/your_namespace/your_image:latest”。

import oci
from oci.functions import FunctionsManagementClient, FunctionsInvokeClient
from oci.apigateway import ApiGatewayClient, models as api_models

# 配置OCI客户端
config = oci.config.from_file("~/.oci/config")

# 1. 创建Cloud Function应用
functions_client = FunctionsManagementClient(config)
app_details = oci.functions.models.CreateApplicationDetails(
    compartment_id="your_compartment_id",
    display_name="MyCloudFunctionApp",
    subnet_ids=["your_subnet_id"],
)
app = functions_client.create_application(create_application_details=app_details).data

# 2. 创建Cloud Function
fn_details = oci.functions.models.CreateFunctionDetails(
    application_id=app.id,
    display_name="MyCloudFunction",
    memory_in_mbs=128,
    image="phx.ocir.io/your_namespace/your_image:latest",
    image_digest="your_image_digest",
    timeout_in_seconds=30,
)
function = functions_client.create_function(create_function_details=fn_details).data

# 3. 配置API Gateway暴露公网URL
api_client = ApiGatewayClient(config)
api_details = api_models.CreateApiDetails(
    compartment_id="your_compartment_id",
    display_name="MyAPI",
    specification=api_models.ApiSpecification(
        routes=[
            api_models.ApiRoute(
                path="/invoke",
                methods=["GET", "POST"],
                backend=api_models.Backend(
                    type="ORACLE_FUNCTIONS_BACKEND",
                    function_id=function.id
                )
            )
        ]
    ),
    freeform_tags={"environment": "dev"},
)
api = api_client.create_api(create_api_details=api_details).data

# 4. 为Cloud Function添加IAM策略
identity_client = oci.identity.IdentityClient(config)
policy_details = oci.identity.models.CreatePolicyDetails(
    compartment_id="your_compartment_id",
    name="AllowFunctionAccessGenerativeAI",
    description="Policy to allow function to access Generative AI",
    statements=[
        "Allow dynamic-group FunctionDynamicGroup to manage ai-model in compartment your_compartment_id"
    ]
)
policy = identity_client.create_policy(create_policy_details=policy_details).data

# 打印API URL
print(f"API URL: https://{api.id}.apigateway.region.oraclecloud.com/invoke")

最后大家就可以通过公开暴露的API URL:https://{api.id}.apigateway.region.oraclecloud.com/invoke来访问OCI上的Meta Llama3大模型了。

点赞(0) 打赏

评论列表 共有 0 条评论

暂无评论

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部