Plan Szkolenia

Wprowadzenie do dużych modeli językowych i generatywnego AI

  • Badanie technik i modeli
  • Omówienie zastosowań i przypadków użycia
  • Wykrywanie wyzwań i ograniczeń

Używanie dużych modeli językowych do zadań NLU

  • Analiza sentymentu
  • Rozpoznawanie nazwanych encji
  • Ekstrakcja relacji
  • Semantyczne parsowanie

Używanie dużych modeli językowych do zadań NLI

  • Wykrywanie implikacji
  • Wykrywanie sprzeczności
  • Wykrywanie parafraz

Używanie dużych modeli językowych do grafów wiedzy

  • Ekstrakcja faktów i relacji z tekstu
  • Wnioskowanie brakujących lub nowych faktów
  • Używanie grafów wiedzy do zadań dalszych

Używanie dużych modeli językowych do rozumowania zrozumiałego

  • Generowanie wiarygodnych wyjaśnień, hipotez i scenariuszy
  • Używanie baz wiedzy i zbiorów danych zrozumiałego rozumowania
  • Ocenianie rozumowania zrozumiałego

Używanie dużych modeli językowych do generowania dialogów

  • Generowanie dialogów z agentami rozmowymi, chatbotami i wirtualnymi asystentami
  • Zarządzanie dialogami
  • Używanie zbiorów danych i metryk dialogowych

Używanie dużych modeli językowych do multimodalnej generacji

  • Generowanie obrazów z tekstu
  • Generowanie tekstu z obrazów
  • Generowanie filmów z tekstu lub obrazów
  • Generowanie dźwięku z tekstu
  • Generowanie tekstu z dźwięku
  • Generowanie modeli 3D z tekstu lub obrazów

Używanie dużych modeli językowych do metauczenia

  • Dostosowywanie dużych modeli językowych do nowych dziedzin, zadań lub języków
  • Uczenie się z przykładów z niewielką liczbą prób lub bez prób
  • Używanie zbiorów danych i ram metauczenia i transferu uczenia

Używanie dużych modeli językowych do uczenia antagonistycznego

  • Ochrona dużych modeli językowych przed złośliwymi atakami
  • Wykrywanie i łagodzenie uprzedzeń i błędów w dużych modelach językowych
  • Używanie zbiorów danych i metod uczenia antagonistycznego i odporności

Ocenianie dużych modeli językowych i generatywnego AI

  • Ocena jakości i różnorodności zawartości
  • Używanie metryk takich jak wskaźnik inception, Fréchet distance inception i wskaźnik BLEU
  • Używanie metod oceny przez ludzi, takich jak crowdsourcing i ankiety
  • Używanie metod oceny antagonistycznej, takich jak testy Turinga i dyskryminatory

Zastosowanie zasad etycznych dla dużych modeli językowych i generatywnego AI

  • Zapewnienie sprawiedliwości i odpowiedzialności
  • Unikanie nieprawidłowego użycia i nadużyć
  • Szanowanie praw i prywatności twórców i konsumentów zawartości
  • Kultywowanie kreatywności i współpracy człowieka i AI

Podsumowanie i następne kroki

Wymagania

  • Zrozumienie podstawowych pojęć i terminologii związanych z AI
  • Doświadczenie w programowaniu w Pythonie oraz analizie danych
  • Znajomość frameworków deep learning, takich jak TensorFlow lub PyTorch
  • Zrozumienie podstaw dużych modeli językowych (LLMs) i ich zastosowań

Audience

  • Specjaliści od danych
  • Developeri AI
  • Entuzjaści AI
 21 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie