Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan Szkolenia
Wprowadzenie
- Czym są Large Language Models (LLMs)?
- LLM a tradycyjne modele NLP
- Przegląd funkcji i architektury LLM
- Wyzwania i ograniczenia modeli LLM
Zrozumienie modeli LLM
- Cykl życia modelu LLM
- Jak działa LLM
- Główne komponenty LLM: koder, dekoder, uwaga, osadzanie itp.
Pierwsze kroki
- Konfiguracja środowiska programistycznego
- Instalowanie LLM jako narzędzia programistycznego, np. Go ogle Colab, Hugging Face
Praca z LLM
- Eksplorowanie dostępnych opcji LLM
- Tworzenie i używanie LLM
- Dostrajanie LLM na niestandardowym zestawie danych
Podsumowanie tekstu
- Zrozumienie zadania podsumowywania tekstu i jego zastosowań
- Używanie LLM do ekstrakcyjnego i abstrakcyjnego podsumowywania tekstu
- Ocena jakości wygenerowanych podsumowań przy użyciu wskaźników takich jak ROUGE, BLEU itp.
Odpowiadanie na pytania
- Zrozumienie zadania odpowiadania na pytania i jego zastosowań
- Wykorzystanie LLM do odpowiadania na pytania w domenie otwartej i zamkniętej
- Ocena dokładności wygenerowanych odpowiedzi przy użyciu wskaźników takich jak F1, EM itp.
Generowanie tekstu
- Zrozumienie zadania generowania tekstu i jego zastosowań
- Wykorzystanie LLM do warunkowego i bezwarunkowego generowania tekstu
- Kontrolowanie stylu, tonu i treści generowanych tekstów przy użyciu parametrów takich jak temperatura, top-k, top-p itp.
Integracja LLM z innymi frameworkami i platformami
- Używanie LLM z PyTorch lub TensorFlow
- Używanie LLM z Flask lub Streamlit
- Używanie LLM z Google Cloud lub AWS
Rozwiązywanie problemów
- Zrozumienie typowych błędów i usterek w LLM
- Używanie TensorBoard do monitorowania i wizualizacji procesu uczenia
- Korzystanie z PyTorch Lightning w celu uproszczenia kodu szkoleniowego i poprawy wydajności
- Używanie Hugging Face Datasets do ładowania i wstępnego przetwarzania danych
Podsumowanie i kolejne kroki
Wymagania
- Zrozumienie przetwarzania języka naturalnego i głębokiego uczenia się
- Doświadczenie z Python i PyTorch lub TensorFlow
- Podstawowe doświadczenie w programowaniu
Uczestnicy
- Programiści
- Entuzjaści NLP
- Naukowcy zajmujący się danymi
14 godzin
