Kursplan

Introduktion till stora språkliga modeller

  • Översikt över Natural Language Processing (NLP)
  • Introduktion till Large Language Models (LLMs)
  • Meta AIs bidrag till LLM-utvecklingen

Förstå arkitekturen för Meta AI LLM:er

  • Transformerarkitektur och självuppmärksamhetsmekanismer
  • Träningsmetodologier för storskaliga modeller
  • Jämförelse med andra LLM:ar (GPT, BERT, T5, etc)

Inställning av utvecklingsmiljön

  • Installation och konfiguration av Python och Jupyter Notebook
  • Arbeta med Hugging Face och Meta AIs modellarkiv
  • För att använda molnbaserade eller lokala GPU för träning

Fine-Tuning och anpassa Meta AI LLM:er

  • Ladda in förtränade modeller
  • Finjustering på domänspecifika datasets
  • Transfer learning-tekniker

Bygga NLP-applikationer med Meta AI LLM:ar

  • Utveckla chattbotar och konverserande AI
  • Implementera textsammanfattning och parafrasering
  • Sentimentanalys och innehållsmoderering

Optimera och deploya stora språkliga modeller

  • Prestandajustering för inferenshastighet
  • Modellkomprimerings- och kvantiseringstekniker
  • Distribuera LLM:ar med hjälp av API:er och molnplattformar

Etiska överväganden och ansvarig AI

  • Biasdetektering och -mitigering i LLM:ar
  • Att säkerställa transparens och rättvisa i AI-modeller
  • Framtida trender och utvecklingar inom AI

Sammanfattning och nästa steg

Krav

  • Grundläggande förståelse för maskininlärning och djupinlärning
  • Erfarenhet av programmering
  • Familiarity med koncept inom naturlig språkbehandling (NLP)

Publik

  • AI-forskare
  • Dataforskare
  • Ingenjörer
  • Programvaruutvecklare som är intresserade av NLP
 21 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier