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
Introduksjon til Generativ AI
- Hva er generativ AI og hvorfor er det viktig? Hovedtyper og teknikker for generativ AI Nøkkelutfordringer og begrensninger ved generativ AI
Transformatorarkitektur og LLM-er
- Hva er en transformator og hvordan fungerer den? Hovedkomponenter og funksjoner til en transformator Bruke transformatorer til å bygge LLM-er
Skaleringslover og optimalisering
- Hva er skaleringslover og hvorfor er de viktige for LLM-er? Hvordan forholder skaleringslover seg til modellstørrelse, datastørrelse, beregningsbudsjett og slutningskrav? Hvordan kan skaleringslover bidra til å optimalisere ytelsen og effektiviteten til LLM-er?
Opplæring og finjustering av LLM-er
- Hovedtrinn og utfordringer ved opplæring av LLM-er fra bunnen av Fordeler og ulemper ved å finjustere LLM-er for spesifikke oppgaver. Beste praksis og verktøy for opplæring og finjustering av LLM-er
Distribuere og bruke LLM-er
- Hovedhensyn og utfordringer ved å distribuere LLM-er i produksjon Vanlige brukstilfeller og applikasjoner av LLM-er i ulike domener og bransjer Integrering av LLM-er med andre AI-systemer og plattformer
Etikk og fremtid for generativ AI
- Etiske og sosiale implikasjoner av generative AI og LLMs Potensielle risikoer og skader ved generative AI og LLMs, slik som skjevhet, feilinformasjon og manipulasjon Ansvarlig og fordelaktig bruk av generative AI og LLMs
Sammendrag og neste trinn
Krav
- En forståelse av maskinlæringskonsepter, som overvåket og uovervåket læring, tapsfunksjoner og datadeling Erfaring med Python programmering og datamanipulering Grunnleggende kunnskap om nevrale nettverk og naturlig språkbehandling
Publikum
- Utviklere Maskinlæringsentusiaster
21 timer
