Kursplan

Introduktion till stora språkmodeller

  • Översikt över Naturlig språkbehandling (NLP)
  • Introduktion till stora språkmodeller (LLMs)
  • Meta AIs bidrag till utvecklingen av LLMs

Förståelsen av Meta AI LLMs arkitektur

  • Transformerarkitektur och self-attention-mekanismer
  • Träningsmetoder för stora modeller
  • Jämförelse med andra LLMs (GPT, BERT, T5, etc)

Att installera och konfigurera utvecklingsmiljön

  • Installera och konfigurera Python och Jupyter Notebook
  • Arbeta med Hugging Face och Meta AIs modellbibliotek
  • Använda molnbaserade eller lokala GPUs för träning

Finajustera och anpassa Meta AI LLMs

  • Ladda in förträffade modeller
  • Finajustera på domänspecifika dataset
  • Överföringsinlärningstekniker

Bygga NLP-applikationer med Meta AI LLMs

  • Utveckla chattbotar och konversationell AI
  • Implementera textsammanfattning och omformulering
  • Känslomässig analys och innehållsmoderering

Optimerar och distribuerar stora språkmodeller

  • Prestandainställningar för inferenshastighet
  • Modellkomprimering och kvantiseringsmetoder
  • Distribuera LLMs med hjälp av APIs och molnplattformar

Etiska överväganden och ansvarsfull AI

  • Upptäcka och mildra fördomar i LLMs
  • Säkerställa transparens och rättvisa i AI-modeller
  • Framtida trender och utvecklingar inom AI

Sammanfattning och nästa steg

Krav

  • Grundläggande förståelse för maskininlärning och djupinlärning
  • Erfarenhet av Python-programmering
  • Bekantskap med naturlig språkbehandling (NLP) koncept

Målgrupp

  • AI-forskare
  • Data Scientists
  • Maskininlärningsingenjörer
  • Programutvecklare intresserade av NLP
 21 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier