Kurzusleírás

Bevezetés a Nagy Nyelvi Modellekbe

  • Természetes nyelvfeldolgozás (NLP) áttekintése
  • Bevezetés a Nagy Nyelvi Modellekbe (LLM)
  • A Meta AI hozzájárulása az LLM fejlesztéséhez

A Meta AI LLM-ek architektúrájának megértése

  • Transzformer architektúra és önmegfigyelő mechanizmusok
  • Nagy léptékű modellek képzési módszerei
  • Összehasonlítás más LLM-ekkel (GPT, BERT, T5 stb.)

Fejlesztői környezet beállítása

  • Python és Jupyter Notebook telepítése és konfigurálása
  • Munka a Hugging Face és a Meta AI modell tárházzal
  • Felhőalapú vagy helyi GPU-k használata képzéshez

Meta AI LLM-ek finomhangolása és testreszabása

  • Előre képzett modellek betöltése
  • Finomhangolás domain-specifikus adathalmazokon
  • Transzfertanulási technikák

NLP alkalmazások építése Meta AI LLM-ekkel

  • Chatbotok és beszélgető AI fejlesztése
  • Szövegösszefoglalás és átfogalmazás implementálása
  • Érzelmek elemzése és tartalom moderálása

Nagy Nyelvi Modellek optimalizálása és üzembe helyezése

  • Teljesítményhangolás következtetési sebességhez
  • Modelltömörítés és kvantálási technikák
  • LLM-ek üzembe helyezése API-k és felhőplatformok segítségével

Etikai megfontolások és felelős AI

  • Elfogultság felismerése és enyhítése LLM-ekben
  • Transzparencia és igazságosság biztosítása AI modellekben
  • Jövőbeli trendek és fejlesztések az AI területén

Összefoglalás és következő lépések

Követelmények

  • Alapvető ismeretek a gépi tanulásról és a mélytanulásról
  • Tapasztalat Python programozásban
  • Ismeretek a természetes nyelvfeldolgozás (NLP) alapelveiről

Közönség

  • AI Kutatók
  • Adattudósok
  • Gépi Tanulás Mérnökök
  • Szoftverfejlesztők, akik érdeklődnek az NLP iránt
 21 Órák

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák