Plan Szkolenia

Wprowadzenie do Generative AI

  • Czym jest generative AI i dlaczego jest ważne?
  • Główne typy i techniki generative AI
  • Kluczowe wyzwania i ograniczenia generative AI

Architektura Transformerów i LLMs

  • Czym jest transformer i jak działa?
  • Główne komponenty i cechy transformera
  • Wykorzystanie transformerów do budowy LLMs

Prawa skalowania i optymalizacja

  • Czym są prawa skalowania i dlaczego są ważne dla LLMs?
  • Jak prawa skalowania odnoszą się do rozmiaru modelu, rozmiaru danych, budżetu obliczeniowego i wymagań inferencyjnych?
  • Jak prawa skalowania mogą pomóc w optymalizacji wydajności i efektywności LLMs?

Trenowanie i dostrajanie LLMs

  • Główne kroki i wyzwania związane z trenowaniem LLMs od podstaw
  • Zalety i wady dostrajania LLMs pod kątem konkretnych zadań
  • Najlepsze praktyki i narzędzia do trenowania i dostrajania LLMs

Wdrażanie i wykorzystanie LLMs

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

Etyka i przyszłość Generative AI

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

Podsumowanie i kolejne kroki

Wymagania

  • Zrozumienie pojęć związanych z uczeniem maszynowym, takich jak uczenie nadzorowane i nienadzorowane, funkcje strat i podział danych
  • Doświadczenie w programowaniu w Pythonie i manipulacji danymi
  • Podstawowa wiedza na temat sieci neuronowych i przetwarzania języka naturalnego

Grupa docelowa

  • Programiści
  • Entuzjaści uczenia maszynowego
 21 godzin

Liczba uczestników


Cena za uczestnika

Opinie uczestników (7)

Propozycje terminów

Powiązane Kategorie