Małe modele językowe (SLMs): Rozwoj energooszczędnej sztucznej inteligencji - Plan Szkolenia

To szkolenie prowadzone przez instruktora w Polsce (online lub na miejscu) jest skierowane do początkujących do średnio zaawansowanych naukowców danych i programistów, którzy chcą wdrożyć i wykorzystać Małe Modele Językowe w różnych aplikacjach.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Zrozumieć architekturę i funkcjonalność Małych Modeli Językowych.
• Wdrożyć SLM do zadań takich jak generowanie tekstu i analiza sentymentu.
• Optymalizować i dostrajać SLM do konkretnych przypadków użycia.
• Wdrożyć SLM w środowiskach o ograniczonych zasobach.
• Ocenić i zinterpretować wydajność SLM w rzeczywistych scenariuszach.

To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych technologów edukacyjnych, projektantów instrukcji i programistów AI w edukacji, którzy chcą zintegrować Small Language Models (SLMs) z platformami edukacyjnymi w celu usprawnienia procesów nauczania i uczenia się.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zrozumieć rolę SLM w technologii edukacyjnej.
• Projektować doświadczenia edukacyjne oparte na sztucznej inteligencji przy użyciu SLM.
• Wdrażać SLM w różnych środowiskach edukacyjnych.
• Ocenić skuteczność SLM w efektach uczenia się.

Szkolenie prowadzone przez instruktora w Polsce (online lub na miejscu) jest skierowane do planistów miejskich, administratorów miast oraz rozwiązań dla inteligentnych miast na poziomie średniozaawansowanym, którzy chcą wdrożyć Małe Modele Językowe (SLMs) w projektach inteligentnych miast w celu poprawy życia miejskiego.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć zastosowanie SLMs w inteligentnych miastach.
• Integrować SLMs z zestawami danych miejskich w celu poprawy podejmowania decyzji.
• Rozwijać strategie wdrażania SLMs w systemach zarządzania miastem.
• Ocenić wpływ SLMs na planowanie miejskie i rozwiązania dla inteligentnych miast.

To szkolenie prowadzone przez instruktora w Polsce (online lub na miejscu) jest przeznaczone dla średnio zaawansowanych data scientistów i inżynierów uczenia maszynowego, którzy chcą tworzyć i stosować małe modele językowe dostosowane do konkretnych dziedzin, takich jak prawo, medycyna i technologia.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Rozumieć znaczenie i zastosowanie modeli językowych dedykowanych dla konkretnych dziedzin.
• Tworzyć i przygotowywać zestawy danych specjalistycznych do szkolenia modeli.
• Szkolić i doskonalić modele językowe dla aplikacji dedykowanych dla konkretnych dziedzin.
• Ocena i porównanie modeli za pomocą metryk związanych z dziedziną.
• Wdrażać modele językowe dedykowane dla konkretnych dziedzin w rzeczywistych scenariuszach.

To szkolenie prowadzone przez instruktora (online lub stacjonarne) jest skierowane do pośrednio zaawansowanych naukowców ds. danych, naukowców z zakresu uczenia maszynowego i AI, którzy chcą tworzyć angażujące i wydajne doświadczenia konwersacyjne zasilane AI przy użyciu małych modeli językowych.

Po ukończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawy sztucznej inteligencji konwersacyjnej oraz rolę małych modeli językowych (SLMs).
• Projektować i wdrażać interakcje AI zorientowane na użytkownika.
• Tworzyć i trenować małe modele językowe dla aplikacji interaktywnych.
• Oceniać i poprawiać skuteczność komunikacji człowiek-AI za pomocą odpowiednich metryk.
• Wdrażać skalowalne i etyczne interfejsy konwersacyjne napędzane AI w realnych scenariuszach.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do profesjonalistów IT na poziomie średnim, którzy chcą wdrażać małe modele językowe bezpośrednio na urządzenia o ograniczonych możliwościach obliczeniowych, otwierając możliwości dla innowacyjnych aplikacji w różnych sektorach.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Zrozumieć wyzwania i rozwiązania związane z wdrażaniem sztucznej inteligencji na kompaktowym sprzęcie.
• Optymalizować i kompresować modele AI dla wydajnego wdrażania na urządzeniu.
• Wykorzystywać nowoczesne ramy i narzędzia AI do wdrażania modeli na urządzeniu.
• Projektować i rozwijać aplikacje AI w czasie rzeczywistym dla urządzeń mobilnych i IoT.
• Ocenić i zapewnić bezpieczeństwo i prywatność systemów AI na urządzeniu.