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。
