Kursplan

Introduktion till LLM och generativ AI

  • Utforska tekniker och modeller
  • Diskutera program och användningsfall
  • Identifiera utmaningar och begränsningar

Använda LLM:er för NLU-uppgifter

  • Attitydanalys
  • Igenkänning av namngiven entitet
  • Extrahering av relation
  • Semantisk parsning

Använda LLM:er för NLI-uppgifter

  • Identifiering av medverkan
  • Identifiering av motsägelser
  • Identifiering av parafraser

Använda LLM:er för kunskapsgrafer

  • Extrahera fakta och relationer från text
  • Slutsats om saknade eller nya fakta
  • Använda kunskapsdiagram för aktiviteter nedströms

Använda LLM:er för sunt förnuft

  • Generera rimliga förklaringar, hypoteser och scenarier
  • Använda kunskapsbaser och datauppsättningar baserade på sunt förnuft
  • Utvärdering av sunt förnuft

Använda LLM:er för dialoggenerering

  • Skapa dialoger med konversationsagenter, chatbots och virtuella assistenter
  • Hantera dialoger
  • Använda dialogdatauppsättningar och mätvärden

Använda LLM:er för multimodal generering

  • Generera bilder från text
  • Generera text från bilder
  • Generera videor från text eller bilder
  • Generera ljud från text
  • Generera text från ljud
  • Generera 3D-modeller från text eller bilder

Använda LLM:er för metalärande

  • Anpassa LLM:er till nya domäner, uppgifter eller språk
  • Att lära sig av exempel med få eller inga skott
  • Användning av datauppsättningar och ramverk för metainlärning och överföring av lärande

Använda LLM:er för kontradiktoriskt lärande

  • Försvara LLM:er från skadliga attacker
  • Upptäcka och mildra fördomar och fel i LLM:er
  • Använda datauppsättningar och metoder för adversarial learning och robusthet

Utvärdering av LLM:er och generativ AI

  • Bedöma innehållets kvalitet och mångfald
  • Använda mått som startpoäng, Fréchet-startavstånd och BLEU-poäng
  • Använda mänskliga utvärderingsmetoder som crowdsourcing och enkäter
  • Använda kontradiktoriska utvärderingsmetoder som Turingtester och diskriminatorer

Tillämpning av etiska principer för LLM:er och generativ AI

  • Säkerställande av rättvisa och ansvarsskyldighet
  • Undvika missbruk och missbruk
  • Respektera innehållsskapares och konsumenters rättigheter och integritet
  • Främja kreativitet och samarbete mellan människa och AI

Sammanfattning och nästa steg

Krav

  • En förståelse för grundläggande AI-begrepp och terminologi
  • Erfarenhet av Python programmering och dataanalys
  • Kunskaper om ramverk för djupinlärning som TensorFlow eller PyTorch
  • En förståelse för grunderna i LLM:er och deras tillämpningar

Publik

  • Datavetare
  • AI-utvecklare
  • AI-entusiaster
 21 timmar

Antal deltagare



Price per participant

Vittnesmål (1)

Relaterade Kurser

Relaterade Kategorier