Kurzusleírás

Bevezetés a Nagy Nyelvi Modellekbe (LLM)

  • Az LLM-ek áttekintése
  • Az LLM-ek fejlődése az oktatási technológiában
  • Az LLM-ek architektúrájának megértése

Személyre szabás az oktatásban

  • A személyre szabott tanulás szükségessége
  • A személyre szabás jelenlegi módszerei
  • Kihívások és lehetőségek

LLM-ek és tartalom adaptáció

  • LLM-ek a tartalom létrehozásában és válogatásában
  • Tartalom adaptálása tanulási stílusokhoz és szintekhez
  • Többfeladatosság az LLM-ekkel a tartalom adaptációjában

LLM-ek a gyakorlatban

  • Esettanulmányok: Sikeres LLM alkalmazások az oktatásban
  • Interaktív foglalkozás: LLM-ek működése közben

Adaptív tanulási platformok tervezése

  • Az adaptív tanulási platformok tervezésének alapelvei
  • LLM-ek beépítése a platform architektúrájába
  • Felhasználói élmény és felületi megfontolások

Implementáció és tesztelés

  • Prototípus adaptív tanulási platform fejlesztése
  • Tesztelés és iteráció
  • Felhasználói visszajelzések gyűjtése és elemzése

Az LLM-ek hatékonyságának értékelése

  • Metrikák az LLM-ek hatásának mérésére a tanulásban
  • Kutatási módszerek az oktatási technológiák területén
  • Esettanulmány elemzés és vita

Etikai megfontolások és jövőbeli irányok

  • Az LLM-ek etikai implikációi az oktatásban
  • Az inkluzivitás és igazságosság biztosítása
  • Előrejelzések az LLM-ek jövőjéről a személyre szabott tanulásban

Projekt és értékelés

  • LLM-alapú adaptív tanulási platform tervezése és bemutatása
  • Társértékelések és csoportos viták
  • Végső értékelés és visszajelzés

Összefoglalás és következő lépések

Követelmények

  • Alapvető gépi tanulási fogalmak ismerete
  • A Python programozási nyelv ismerete ajánlott, de nem kötelező
  • Az oktatási technológiák ismerete előnyös

Célközönség

  • Oktatók
  • EdTech fejlesztők
  • Oktatási technológiák területén dolgozó kutatók
 14 Órák

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák