Applied Generative AI: Inference to Agents - தமிழ்

Name: Applied Generative AI: Inference to Agents - தமிழ்
Rating: 4.6 (12 reviews)

LLM-கள் முதல் RAG மற்றும் AI Agents வரை Generative AI-க்கான முழுமையான நடைமுறை வழிகாட்டி - தமிழில் விளக்கப்பட்டுள்ளது.

Created bySalman Faroz

Last updated 10/2025

Tamil

What you'll learn

Machines data-இலிருந்து எப்படி learn செய்கின்றன, neural networks inputs-ஐ எப்படிப் புரிந்து outcomes predict செய்கின்றன என்பதை கற்றுக்கொள்ளுங்கள்.
GPT, LLaMA, Qwen மாதிரி models எப்படி work செய்கின்றன, அவை meaningful text-ஐ எப்படி generate செய்கின்றன என்பதைக் புரிந்து கொண்டு explore பண்ணுங்கள்.
OpenAI, Hugging Face, மற்றும் Ollama models-இல் inference run பண்ணி, GPUs மற்றும் quantized versions-உடன் experiment பண்ணுங்கள்.
Effective prompts design செய்யும் techniques-ஐ master பண்ணி, model outputs-ஐ control பண்ணுங்கள் temperature, top-p, மற்றும் top-k settings use பண்ணி.
Text எப்படி embeddings-ஆக convert ஆகுது, மற்றும் vector databases எப்படி information retrieval-ஐ smarter ஆக்குது என்பதைக் கற்றுக்கொள்ளுங்கள்.
Embeddings-ஐ LLMs-ஓடு combine பண்ணி, external knowledge-ஐ fetch பண்ணி reasoning செய்யக்கூடிய systems build பண்ணுங்கள்.
reasoning, tool usage, memory management, மற்றும் parallel task execution செய்ய திறன் கொண்ட agents உருவாக்குங்கள்.
AI outputs-ஐ BLEU, ROUGE, BERTScore, மற்றும் judge-based evaluation methods பயன்படுத்தி quality-ஐ assess செய்யுங்கள்.
LLMs ஏன் சில நேரங்களில் varying results produce செய்கின்றன, மற்றும் system prompts closed vs open-source models-ஐ எப்படி influence செய்கின்றன என்பதைக் ஆராயுங்கள
உங்கள் skills-ஐ பயன்படுத்தி chatbots, RAG solutions, மற்றும் agentic systems-ஐ hands-on examples-உடன் develop செய்யுங்கள்.

Course content

8 sections • 75 lectures • 16h 43m total length

Introduction: What to Expect from This Course5:29
How to Make the Most of This Course4:00
Access the Course Code1:18

Hands-On Using OpenAI for Inference23:32
Building a Simple Chat App (Streaming Demo): part 124:47
Building a Simple Chat App (Streaming Demo): part 26:59
CPU vs GPU Weights and Parameters Explained17:09
FP16, BF16, and Quantization Made Simple22:04
Open-Source Model Selection and Quantization Guide6:15
Role and Content How Chat Models Communicate2:47
Ollama - Inference and ChatApp15:13
Introduction to Hugging Face Models17:58
Inference on Hugging Face Models – Part 1 (RunPod)9:26
Inference on Hugging Face Models – Part 2 (RunPod)11:25
Inference on Hugging Face Models – Part 3 (RunPod)11:27
Strategies – Temperature, Top-p, Top-k, Greedy9:17
Key Behaviors of Closed-Source Models: Defaults, Size & System Messages5:28
Why LLMs Don’t Always Give the Same Answer - Understanding Nondeterminism28:28
Choosing Our Go-To Model for the Course1:43
Recap Inference13:25

Controlling Responses – Stop & Stream Tokens3:20
Prompt Engineering – Zero-Shot, Few-Shot & Chain-of-Thought20:20
Reason + Act : Web Search Example26:04
Understanding Reasoning Models8:46
Intro to LangChain6:17
Tool Calling in LangGraph20:23
Prompt Injection and Jail Breaking22:03
Module Recap Prompting & Reasoning Concepts8:02
Mixture-of-Experts (MoE) Explained10:28
Vision-Language Models: OpenAI Inference17:29

Cosine Similarity : How Embeddings Compare15:48
What Are Embedding Models and Why We Need Them31:45
Hands-On Embedding Model: Code Demo17:52
Needle-in-a-Haystack Test9:05
Dynamic Context for Smarter Retrieval17:45
Text Splitters and Chunking Methods: part 16:13
Text Splitters and Chunking Methods: part 28:52
Why We Need Vector Databases11:39
What is Retrieval Augmented Generation (RAG)7:41
In-Memory vs Persistent vs Server Vector Stores11:58
RAG Code Implementation – Real Use Case (thirukural RAG)19:04
Improving RAG with Cross-Encoders as Re-Rankers12:32
Recap Embeddings and RAG Concepts8:15

Introduction to AI Agents25:30
LangGraph vs CrewAI vs AutoGen5:40
LangGraph Skeleton Without LLM19:23
Building a Single Agent Step by Step14:25
Adding Chat History to LangGraph9:39
Multiple Agents and Conditional Edges9:34
Human-in-the-Loop in Agents8:47
Tool Calling Custom and Pre-built Tools21:53
Agentic RAG – Combining Agents with Knowledge8:10
Chat Storage & Parallel Execution4:19
Use Case Assessment – Test Your Understanding4:49

Requirements

Basic Python knowledge — variables, loops, functions-ஐப் புரிந்து கொண்டிருத்தல் மற்றும் scripts run செய்ய தெரிதல்.
Python code, Jupyter notebooks, அல்லது Google Colab run செய்யக்கூடிய computer-ஐ அணுகல்.

Description

Generative AI தொழில்நுட்பம் நம்முடைய technology-இல் interact செய்வது எப்படி என்பதை மாற்றி விடுகிறது — intelligent chatbots-இருந்து AI-powered reasoning மற்றும் autonomous agents வரை. Applied Generative AI: Inference to Agents – Tamil என்பது ஒரு hands-on course, இந்த systems எப்படி work செய்கிறதோ அதை புரிந்து கொள்வதற்கும், உங்கள் சொந்த AI applications-ஐ scratch-இல் build செய்வதற்கும் designed ஆக உள்ளது.

Neural networks மற்றும் deep learning basics-இல் இருந்து start செய்து, நீங்கள் explore செய்யப்போகிறீர்கள் LLMs எப்படி text generate செய்கின்றன, inference run செய்வது OpenAI, Hugging Face, மற்றும் Ollama models பயன்படுத்தி, outputs-ஐ control செய்வது advanced techniques போல temperature, top-p, top-k பயன்படுத்தி. Practical experience-ஐ gain செய்யப்போகிறீர்கள் tokenization, embeddings, context windows management, இதனால் model எப்படி “think” செய்கிறது மற்றும் meaningful responses produce செய்கிறது என்பதை புரிந்து கொள்ள உதவும்.

நீங்கள் embeddings, vector databases, மற்றும் Retrieval-Augmented Generation (RAG) leverage செய்து smarter, knowledge-driven AI applications உருவாக்கலாம். இறுதியில், LangGraph பயன்படுத்தி AI agents build செய்வது, chat history manage செய்வது, tools பயன்படுத்துவது, parallel workflows execute செய்வது — அனைத்தும் Tamil-இல், step-by-step practical examples உடன் explain செய்யப்படுகின்றன.

Course முழுவதும், நீங்கள் hands-on skills gain செய்யப்போகிறீர்கள், evaluation methods புரிந்து கொள்வீர்கள், மற்றும் best practices கற்றுக்கொள்வீர்கள் AI applications deploy செய்வதற்காக. Course முடிந்த பிறகு, நீங்கள் knowledge மற்றும் confidence gain செய்து modern generative AI systems-ஐ புரிந்து கொள்ள, implement செய்ய, evaluate செய்ய — LLMs, RAG, AI Agents அனைத்தையும் include செய்து, real-world problems-இல் apply செய்யச் சுலபமாக இருக்கும். நன்றி

Who this course is for:

Generative AI மற்றும் LLMs எப்படிப் பணியாற்றுகின்றன என்று புரிந்து கொள்ள விரும்பும் AI beginners-க்கு — Tamil-இல் விளக்கப்பட்டு.
OpenAI, Hugging Face, அல்லது Ollama பயன்படுத்தி practical AI applications build செய்ய விரும்பும் Developers, Data Enthusiasts, மற்றும் Tech Students.
ChatGPT, RAG, மற்றும் AI Agents-ஐப் பற்றி curious-ஆகி, simple-use க்கு மேல் சென்று அவற்றின் inner workings-ஐ உணர விரும்பும் யாரும்.

Applied Generative AI: Inference to Agents - தமிழ்

What you'll learn

Explore related topics

Course content

Introduction - அறிமுகம்3 lectures • 11min

Deep Learning Foundations6 lectures • 1hr 44min

Understanding Generative AI and LLMs9 lectures • 1hr 54min

Model Inference and Execution17 lectures • 3hr 47min

Prompt Engineering (Prompting, Reasoning, and Multimodal Models )10 lectures • 2hr 23min

Embeddings and Retrieval-Augmented Generation (RAG)13 lectures • 2hr 58min

AI Agents and LangGraph11 lectures • 2hr 12min

Evaluating and Benchmarking LLMs6 lectures • 1hr 34min

Requirements

Description

Who this course is for: