Kurzusleírás

Generatív AI bevezetése

  • Mi az a generatív AI és miért fontos?
  • A generatív AI fő típusai és technikái
  • A generatív AI fő kihívásai és korlátai

Transformer architektúra és LLMs

  • Mi a transformer és hogyan működik?
  • A transformer fő komponensei és jellemzői
  • Transformerek használata LLM-k építéséhez

Méretezési törvények és optimalizálás

  • Mi a mértékezési törvények és miért fontosak az LLMs számára?
  • Hogyan kapcsolódnak a mértékezési törvények a modell méretéhez, adathoz, számítógépes költségvetéshez és előrejelzési követelményekhez?
  • Hogyan segíthetnek a mértékezési törvények az LLMs teljesítményének és hatékonyságának optimalizálásában?

LLM-k kiszolgálása és használata

  • LLM-k kiszolgálásának fő megfontolásai és kihívásai a termelési környezetben
  • LLM-k közönséges használati esetei és alkalmazásai különböző területeken és iparágakban
  • LLM-k integrálása más AI-rendszerekkel és platformokkal

Etika és a generatív AI jövője

  • A generatív AI és az LLMs etikai és társadalmi következményei
  • A generatív AI és az LLMs potenciális kockázatai és károk, például a torzítás, a félrevezetés és a manipuláció
  • A generatív AI és az LLMs felelős és hasznos használata

Összegzés és következő lépések

Követelmények

  • A machine learning alapfogalmak megértése, például felügyelt és felügyeltetlen tanulás, veszteségi függvények, és adatfelosztás
  • Tapasztalat Python programozással és adatok kezelésével
  • Alapvető ismeretek neurális hálózatokról és természetes nyelvfeldolgozásról

Audience

  • Fejlesztők
  • Machine learning lelkesedők
 21 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (7)

Közelgő kurzusok

Rokon kategóriák