Plan Szkolenia

Wprowadzenie do generative AI

  • Co to jest generative AI i czemu jest ważne?
  • Główne typy i techniki generative AI
  • Kluczowe wyzwania i ograniczenia generative AI

Architektura transformatora i LLMs

  • Co to jest transformator i jak działa?
  • Główne składniki i cechy transformatora
  • Używanie transformatorów do tworzenia LLMs

Prawa skalowania i optymalizacja

  • Co to są prawa skalowania i czemu są ważne dla LLMs?
  • Jak prawa skalowania są związane z rozmiarem modelu, rozmiarem danych, budżetem obliczeniowym i wymaganiami wnioskowania?
  • Jak prawa skalowania mogą pomóc zoptymalizować wydajność i efektywność LLMs?

Trening i dopasowywanie LLMs

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

Wdrażanie i korzystanie z LLMs

  • Główne zagadnienia i wyzwania wdrażania LLMs w produkcji
  • Powszechne przypadki zastosowania i aplikacje LLMs w różnych dziedzinach i branżach
  • Integracja LLMs z innymi systemami AI i platformami

Etyka i przyszłość generative AI

  • Etyczne i społeczne implikacje generative AI i LLMs
  • Potencjalne ryzyka i szkody wynikające 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 nadzorowane i nienadzorowane uczenie, funkcje straty i podział danych
  • Doświadczenie w programowaniu w Pythonie i manipulacji danymi
  • Podstawowa znajomość sieci neuronowych i przetwarzania języka naturalnego

Adresaci

  • Programiści
  • Entuzjaści uczenia maszynowego
 21 godzin

Liczba uczestników


Cena za uczestnika

Opinie uczestników (7)

Propozycje terminów

Powiązane Kategorie