Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Introduktion till Generativ AI
- Vad är generativ AI och varför är det viktigt?
- Huvudtyper och tekniker för generativ AI
- Viktiga utmaningar och begränsningar för generativ AI
Transformatorarkitektur och LLM
- Vad är en transformator och hur fungerar den?
- Huvudkomponenter och egenskaper hos en transformator
- Använda transformatorer för att bygga LLM
Skalningslagar och optimering
- Vad är skalningslagar och varför är de viktiga för LLM:er?
- Hur förhåller sig skalningslagar till modellstorlek, datastorlek, beräkningsbudget och slutledningskrav?
- Hur kan skalningslagar hjälpa till att optimera prestanda och effektivitet hos LLM:er?
Utbildning och finjustering av LLM
- De viktigaste stegen och utmaningarna med att träna LLM från grunden
- Fördelar och nackdelar med att finjustera LLM:er för specifika uppgifter
- Bästa praxis och verktyg för utbildning och finjustering av LLM
Distribuera och använda LLM:er
- Huvudsakliga överväganden och utmaningar med att distribuera LLMs i produktionen
- Vanliga användningsfall och tillämpningar av LLMs inom olika domäner och branscher
- Integrering av LLM med andra AI-system och plattformar
Etik och framtid för generativ AI
- Etiska och sociala konsekvenser av generativ AI och LLM
- Potentiella risker och skador med generativ AI och LLM, såsom partiskhet, desinformation och manipulation
- Ansvarsfull och fördelaktig användning av generativ AI och LLM
Sammanfattning och nästa steg
Krav
- En förståelse för begrepp för maskininlärning, såsom övervakad och oövervakad inlärning, förlustfunktioner och datauppdelning. Erfarenhet av Python programmering och datamanipulation Grundläggande kunskap om neurala nätverk och naturlig språkbehandling
Publik
- Utvecklare Maskininlärningsentusiaster
21 timmar
