Plan Szkolenia

Wprowadzenie do dużych modeli językowych

  • Przegląd przetwarzania języka naturalnego (NLP)
  • Wprowadzenie do dużych modeli językowych (LLMs)
  • Wkład Meta AI w rozwój LLM

Zrozumienie architektury dużych modeli językowych Meta AI

  • Architektura transformerów i mechanizmy samouważania
  • Metodologia szkolenia modeli o dużym rozmiarze
  • Porównanie z innymi LLM (GPT, BERT, T5, itd.)

Konfiguracja środowiska rozwojowego

  • Instalowanie i konfigurowanie Python i Jupyter Notebook
  • Pracowanie z repozytorium modeli Hugging Face i Meta AI
  • Używanie chmury lub lokalnych GPU do szkolenia

Dopasowywanie i dostosowywanie dużych modeli językowych Meta AI

  • Ładowanie wstępnie zaszkolenionych modeli
  • Dopasowywanie do zestawów danych specyficznych dla dziedziny
  • Techniki uczenia transferowego

Budowanie aplikacji NLP z dużymi modelami językowymi Meta AI

  • Rozwijanie czatbotów i sztucznej inteligencji konwersacyjnej
  • Wdrażanie podsumowań tekstu i paraphrasowania
  • Analiza sentymentu i moderacja treści

Optymalizacja i wdrażanie dużych modeli językowych

  • Dostrajanie wydajności do prędkości inferencji
  • Techniki kompresji i kwantyzacji modeli
  • Wdrażanie LLM za pomocą API i platform chmurowych

Etyczne uwagi i odpowiedzialna sztuczna inteligencja

  • Wykrywanie i zmniejszanie uprzedzeń w LLM
  • Zapewnienie przejrzystości i sprawiedliwości w modelach AI
  • Przyszłe trendy i rozwój sztucznej inteligencji

Podsumowanie i następne kroki

Wymagania

  • Podstawowa znajomość uczenia maszynowego i uczenia głębokiego
  • Doświadczenie w programowaniu w języku Python
  • Znajomość pojęć przetwarzania języka naturalnego (NLP)

Grupa docelowa

  • Badacze AI
  • Naukowcy danych
  • Inżynierowie uczenia maszynowego
  • Programiści zainteresowani NLP
 21 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie