Kurzusleírás

Bevezetés a Large Language Models (LLMs)-ba

  • Az LLM-ek áttekintése
  • Az LLM-ek fejlődése az oktatástechnológiában
  • Az LLM-ek architektúrájának megértése

Személyre szabás az oktatásban

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

LLM-ek és tartalomadaptáció

  • LLM-ek a tartalomkészítésben és gondozásban
  • A tartalom adaptálása a tanulási stílusokhoz és szintekhez
  • Multitasking LLM-ekkel a tartalom adaptálása érdekében

LLM-ek a gyakorlatban

  • Esettanulmányok: Sikeres LLM-pályázatok az oktatásban
  • Interaktív foglalkozás: LLM-ek a munkahelyen

Adaptív tanulási platformok tervezése

  • Az adaptív tanulási platform tervezés elvei
  • LLM-ek beépítése a platform architektúrába
  • A felhasználói élmény és a felület szempontjai

Megvalósítás és tesztelés

  • Adaptív tanulási platform prototípusának fejlesztése
  • Tesztelés és iteráció
  • Felhasználói visszajelzések gyűjtése és elemzése

Az LLM hatékonyságának értékelése

  • Mérőszámok az LLM tanulásra gyakorolt hatásának mérésére
  • Oktatástechnológiai kutatási módszerek
  • Esettanulmány elemzés és megbeszélés

Etikai megfontolások és jövőbeli irányok

  • Az LLM-ek etikai vonatkozásai az oktatásban
  • Az inkluzivitás és a méltányosság biztosítása
  • Előrejelzések az LLM-ek jövőjére vonatkozóan a személyre szabott tanulásban

Projekt és értékelés

  • LLM alapú adaptív tanulási platform megtervezése és javaslattétel
  • Peer értékelések és csoportos beszélgetések
  • Végső értékelés és visszajelzés

Összegzés és a következő lépések

Követelmények

  • Az alapvető gépi tanulási fogalmak megértése
  • A Python nyelvű programozásban szerzett tapasztalat ajánlott, de nem kötelező
  • Az oktatási technológia ismerete előnyös

Közönség

  • Pedagógusok
  • EdTech fejlesztők
  • Kutatók az oktatástechnológia területén
 14 Hours

Résztvevők száma



Ár per résztvevő

Rokon tanfolyam

LangChain: Building AI-Powered Applications

14 Hours

LangChain Fundamentals

14 Hours

Introduction to Google Gemini AI

14 Hours

Google Gemini AI for Content Creation

14 Hours

Google Gemini AI for Transformative Customer Service

14 Hours

Google Gemini AI for Data Analysis

21 Hours

Generative AI with Large Language Models (LLMs)

21 Hours

LlamaIndex: Enhancing Contextual AI

14 Hours

LlamaIndex: Developing LLM Powered Applications

42 Hours

Introduction to Large Language Models (LLMs)

14 Hours

LLMs for Automated Customer Support

14 Hours

LLMs for Business Intelligence

14 Hours

LLMs for Content Generation

14 Hours

LLMs for Code Generation and Documentation

14 Hours

Advanced LLMs for NLP Tasks

21 Hours

Rokon kategóriák

1