Kurzusleírás

Nagy nyelvmodellek bevezetése

  • Természetes nyelvfeldolgozás (NLP) áttekintése
  • Nagy nyelvmodellek (LLMs) bevezetése
  • Meta AI hozzájárulása LLM-fejlesztéshez

Meta AI nagy nyelvmodelleinek architekturájának megértése

  • Transformer architektúra és önfigyelmi mechanizmusok
  • Nagyméretű modellek képzései módszerei
  • Összehasonlítás más LLMs-szel (GPT, BERT, T5, stb.)

Fejlesztőkörnyezet beállítása

  • Python és Jupyter Notebook telepítése és konfigurálása
  • Hugging Face és Meta AI modelltárának használata
  • Felhőalapú vagy helyi GPU-k használata képzéshez

Meta AI nagy nyelvmodellek finomhangolása és testreszabása

  • Előre képezett modellek betöltése
  • Finomhangolás doménspecifikus adatkészleteken
  • Átviáslási technikák

NLP alkalmazások építése Meta AI nagy nyelvmodellekkel

  • Chatbotok és beszélgetőeszközök fejlesztése
  • Szöveggyűjtés és átfogalmazás implementálása
  • Érzéstani elemzés és tartalommoderáció

Nagy nyelvmodellek optimalizálása és telepítése

  • Teljesítményoptimalizálás a következtetési sebességhez
  • Modellkompressziós és kvantizációs technikák
  • LLMs telepítése API-k és felhőplatformok segítségével

Etikai szempontok és felelős AI

  • ELLS-ökben előítélet- és csökkentés
  • Átláthatóság és igazságosság biztosítása AI-modellekben
  • AI jövőbeli trendjei és fejlesztései

Összegzés és következő lépések

Követelmények

  • Alapvető ismeretek a gépi tanulás és mélytanulás terén
  • Python programozási tapasztalat
  • Természetes nyelvfeldolgozás (NLP) fogalmak ismerete

Audience

  • AI-kutatók
  • Adat tudósok
  • Gépi tanulási mérnökök
  • NLP-ben érdeklődő szoftverfejlesztők
 21 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák