Course Outline

Moduł I: Podstawy dużych modeli językowych
1. Mechanizmy i architektura modeli generatywnych
2. Kluczowe pojęcia – tokeny, temperatura, inne parametry modeli LLM
3. Okno kontekstowe i jego ograniczenia
4. Zjawisko halucynacji i strategie jego minimalizacji
5. Zasady skutecznego prompt engineeringu
6. Techniki formatowania promptów (few-shot learning, chain-of-thought)
7. Interfejs ChatGPT – możliwości i ograniczenia
8. Platforma OpenAI – playground, modele, zarządzanie API keys
9. Różnice między API a SDK
10. Przegląd dostępnych modeli i ich zastosowań

Moduł II: Komunikacja z modelami w Pythonie
1. Podstawy requestowania API przy użyciu biblioteki requests
2. Oficjalny SDK OpenAI
3. Obsługa odpowiedzi API i formatowanie wyników
4. Structured output – wymuszanie określonej struktury odpowiedzi
6. Streaming odpowiedzi w czasie rzeczywistym
7. Framework LangChain
9. OpenRouter jako agregator dostępu do różnych modeli

Moduł III: Reprezentacja wektorowa tekstu
1. Koncepcja embeddingów tekstowych
2. Jak modele rozumieją znaczenie – przestrzeń wektorowa
3. API embeddingów w OpenAI
4. Mierzenie podobieństwa semantycznego między tekstami
5. Praktyczne zastosowania embeddingów

Moduł IV: Praktyczne zastosowania LLM
1. Automatyczne podsumowywanie dokumentów
2. Ekstrakcja kluczowych informacji z tekstu
3. Tłumaczenie maszynowe z wykorzystaniem LLM
4. Klasyfikacja tekstów – sentiment analysis i kategoryzacja

 14 Hours

Number of participants


Price Per Participant (Exc. Tax)

Provisional Courses

Related Categories