Bądźmy w kontakcie
 Czas trwania 21 godzin

Plan Szkolenia

Wprowadzenie do wielkich modeli językowych

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

Zrozumienie architektury modeli LLM Meta AI

  • Architektura Transformer i mechanizmy samouwagi
  • Metodyki trenowania modeli dużej skali
  • Porównanie z innymi modelami LLM (GPT, BERT, T5 itp.)

Ustawianie środowiska deweloperskiego

  • Instalacja i konfiguracja Pythona oraz Jupyter Notebook
  • Praca z repozytorium modeli Hugging Face i Meta AI
  • Wykorzystanie GPU w chmurze lub lokalnie do trenowania

Dostosowywanie (fine-tuning) i personalizacja modeli LLM Meta AI

  • Ładowanie wstępnie wytrenowanych modeli
  • Dostosowywanie (fine-tuning) na zbiorach danych domenowych
  • Techniki transferu wiedzy (transfer learning)

Budowanie aplikacji NLP z wykorzystaniem modeli LLM Meta AI

  • Rozwój botów konwersacyjnych i AI konwersacyjnej
  • Implementacja streszczania tekstów i parafrazowania
  • Analiza sentymentu i moderacja treści

Optymalizacja i wdrażanie wielkich modeli językowych

  • Dostrojenie wydajności (performance tuning) dla szybkości inferencji
  • Techniki kompresji i kwantyzacji modeli
  • Wdrażanie modeli LLM za pomocą API i platform chmurowych

Rozważania etyczne i odpowiedzialne AI

  • Wykrywanie i minimalizowanie biasu w modelach LLM
  • Zapewnienie transparentności i sprawiedliwości w modelach AI
  • Przyszłe trendy i rozwój w dziedzinie AI

Wymagania

  • Podstawowa wiedza z zakresu uczenia maszynowego i uczenia głębokiego
  • Doświadczenie w programowaniu w Pythonie
  • Znajomość koncepcji przetwarzania języka naturalnego (NLP)

Grupa docelowa

  • Badacze AI
  • Naukowcy zajmujący się danymi
  • Inżynierowie ML
  • Deweloperzy oprogramowania zainteresowani NLP

Liczba uczestników


Cena za uczestnika (netto)

Propozycje terminów

Powiązane Kategorie