Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kurzusleírás
Bevezetés
- Mik azok a Large Language Models (LLMs)?
- LLM-ek kontra hagyományos NLP-modellek
- Az LLM-ek jellemzőinek és architektúrájának áttekintése
- Az LLM-ek kihívásai és korlátai
Az LLM-ek megértése
- Az LLM életciklusa
- Hogyan működnek az LLM-ek
- Az LLM fő összetevői: kódoló, dekódoló, figyelem, beágyazások stb.
Elkezdeni
- A Fejlesztési Környezet kialakítása
- LLM telepítése fejlesztői eszközként, pl. Google Colab, Hugging Face
LLM-ekkel való együttműködés
- Az elérhető LLM lehetőségek feltárása
- LLM létrehozása és használata
- LLM finomhangolása egyéni adatkészleten
Szöveg Összegzés
- A szövegösszegzés feladatának és alkalmazásainak megértése
- LLM használata kivonatoló és absztrakt szövegösszegzéshez
- A generált összefoglalók minőségének értékelése olyan mérőszámok segítségével, mint a ROUGE, BLEU stb.
Kérdés megválaszolása
- A kérdés megválaszolás feladatának és alkalmazásainak megértése
- LLM használata nyílt és zárt tartományú kérdések megválaszolásához
- A generált válaszok pontosságának értékelése olyan mérőszámok segítségével, mint az F1, EM stb.
Szöveggenerálás
- A szöveggenerálás feladatának és alkalmazásainak megértése
- LLM használata feltételes és feltétel nélküli szöveggeneráláshoz
- A generált szövegek stílusának, hangjának és tartalmának szabályozása olyan paraméterekkel, mint a hőmérséklet, top-k, top-p stb.
LLM-ek integrálása más keretrendszerekkel és platformokkal
- LLM-ek használata PyTorch vagy TensorFlow segítségével
- LLM-ek használata Flask vagy Streamlit funkcióval
- LLM-ek használata Google Cloud vagy AWS szolgáltatással
Hibaelhárítás
- Az LLM-ek gyakori hibáinak és hibáinak megértése
- A TensorBoard használata az edzési folyamat figyelésére és megjelenítésére
- PyTorch Lightning használata a képzési kód egyszerűsítésére és a teljesítmény javítására
- Hugging Face adatkészletek használata az adatok betöltésére és előfeldolgozására
Összegzés és a következő lépések
Követelmények
- A természetes nyelvi feldolgozás és a mély tanulás megértése Python és PyTorch vagy TensorFlow Basic programozási tapasztalat
Közönség
- Fejlesztők NLP-rajongók Adattudósok
14 Hours