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.
Kursplan
Införandet
- Vad är Large Language Models (LLMs)?
- LLM:er jämfört med traditionella NLP-modeller
- Översikt över LLM: s funktioner och arkitektur
- Utmaningar och begränsningar med LLM
Förstå LLM:er
- Livscykeln för en LLM
- Hur LLM:er fungerar
- Huvudkomponenterna i en LLM: kodare, avkodare, uppmärksamhet, inbäddningar, etc.
Komma igång
- Konfigurera utvecklingsmiljön
- Installera en LLM som ett utvecklingsverktyg, t.ex. Google Colab, Hugging Face
Arbeta med LLM:er
- Utforska tillgängliga LLM-alternativ
- Skapa och använda en LLM
- Finjustera en LLM på en anpassad datauppsättning
Sammanfattning av text
- Förstå uppgiften med textsammanfattning och dess tillämpningar
- Använda en LLM för extraktiv och abstrakt textsammanfattning
- Utvärdera kvaliteten på de genererade sammanfattningarna med hjälp av mätvärden som ROUGE, BLEU osv.
Svar på frågor
- Förstå uppgiften att svara på frågor och dess tillämpningar
- Använda en LLM för att svara på frågor med öppen domän och sluten domän
- Utvärdera noggrannheten i de genererade svaren med hjälp av mätvärden som F1, EM, etc.
Generering av text
- Förstå uppgiften med textgenerering och dess tillämpningar
- Använda en LLM för villkorlig och ovillkorlig textgenerering
- Styra stilen, tonen och innehållet i de genererade texterna med hjälp av parametrar som temperatur, top-k, top-p, etc.
Integrera LLM:er med andra ramverk och plattformar
- Använda LLM:er med PyTorch eller TensorFlow
- Använda LLM:er med Flask eller Streamlit
- Använda LLM:er med Google Cloud eller AWS
Felsökning
- Förstå de vanliga felen och buggarna i LLM:er
- Använda TensorBoard för att övervaka och visualisera träningsprocessen
- Använda PyTorch Lightning för att förenkla träningskoden och förbättra prestationen
- Använda Hugging Face datauppsättningar för att ladda och förbearbeta data
Sammanfattning och nästa steg
Krav
- En förståelse för naturlig språkbehandling och djupinlärning
- Erfarenhet av Python och PyTorch eller TensorFlow
- Grundläggande erfarenhet av programmering
Publik
- Utvecklare
- NLP-entusiaster
- Datavetare
14 timmar
