Plan Szkolenia

Wprowadzenie do generatywnego AI

  • Co to jest generatywne AI i dlaczego jest ważne?
  • Główne typy i techniki generatywnego AI
  • Główne wyzwania i ograniczenia generatywnego AI

Architektura Transformer i LLMs

  • Co to jest transformer i jak działa?
  • Główne składniki i funkcje transformera
  • Używanie transformerów do budowy LLMs

Prawa skalowania i optymalizacja

  • Co to są prawa skalowania i dlaczego są ważne dla LLMs?
  • Jak prawa skalowania odnoszą się do rozmiaru modelu, rozmiaru danych, budżetu obliczeniowego i wymagań wnioskowania?
  • Jak prawa skalowania mogą pomóc optymalizować wydajność i efektywność LLMs?

Trenowanie i dopasowywanie LLMs

  • Główne kroki i wyzwania trenowania LLMs od podstaw
  • Zalety i wady dopasowywania LLMs do konkretnych zadań
  • Najlepsze praktyki i narzędzia do trenowania i dopasowywania LLMs

Wdrażanie i używanie LLMs

  • Główne rozważania i wyzwania związane z wdrażaniem LLMs w produkcji
  • Powszechne przypadki użycia i zastosowania LLMs w różnych dziedzinach i branżach
  • Integracja LLMs z innymi systemami AI i platformami

Etyka i przyszłość generatywnego AI

  • Etyczne i społeczne implikacje generatywnego AI i LLMs
  • Potencjalne ryzyka i szkody związane z generatywnym AI i LLMs, takie jak uprzedzenia, dezinformacja i manipulacja
  • Odpowiedzialne i korzystne użycie generatywnego AI i LLMs

Podsumowanie i kolejne kroki

Wymagania

  • Znajomość pojęć związanych z uczeniem maszynowym, takich jak uczenie nadzorowane i nienadzorowane, funkcje straty oraz podział danych
  • Doświadczenie w programowaniu w języku Python oraz manipulowaniu danymi
  • Podstawowa wiedza na temat sieci neuronowych i przetwarzania języka naturalnego

Grupa docelowa

  • Programiści
  • Entuzjaści uczenia maszynowego
 21 godzin

Liczba uczestników


cena netto za uczestnika

Opinie uczestników (7)

Propozycje terminów

Powiązane Kategorie