Kursplan

Introduksjon til generativ AI

  • Hva er generativ AI, og hvorfor er den viktig?
  • Hovedtyper og teknikker for generativ AI
  • Nøkkelspørsmål og begrensninger i generativ AI

Transformertarkitektur og LLMs

  • Hva er en transformer, og hvordan fungerer den?
  • Hovedkomponenter og egenskaper ved en transformer
  • Bruke transformere til å bygge LLMs

Skaleringslover og optimalisering

  • Hva er skaleringslover, og hvorfor er de viktige for LLMs?
  • Hvordan relaterer skaleringslover seg til modellstørrelse, datastørrelse, beregningsbudsjett og inferenskrav?
  • Hvordan kan skaleringslover hjelpe til å optimalisere ytelsen og effektiviteten av LLMs?

Trenen og finjustere LLMs

  • Hovedtrinn og utfordringer ved trenen av LLMs fra bunnen av
  • Fordeler og ulemper med finjustering av LLMs for spesifikke oppgaver
  • Beste praksis og verktøy for trenen og finjustering av LLMs

Distribuere og bruke LLMs

  • Hovedoverveigelser og utfordringer ved distribusjon av LLMs i produksjon
  • Vanlige bruksscenarier og anvendelser for LLMs i ulike domener og industrier
  • Integrasjon av LLMs med andre AI-systemer og plattformer

Etikk og fremtid for generativ AI

  • Etiske og sosiale implikasjoner ved generativ AI og LLMs
  • Potensielle risikoer og skader ved generativ AI og LLMs, som fordom, feilinformasjon og manipulasjon
  • Ansvarlig og nyttig bruk av generativ AI og LLMs

Oppsummering og neste trinn

Krav

  • Et forståelse av maskinlæringskonsepter som overvåket og uovervåket læring, tapfunksjoner og datasplitting
  • Erfaring med Python-programmering og datamanipulasjon
  • Grunnleggende kunnskaper om neurale nettverk og naturlig språkbehandling

Målgruppe

  • Utviklere
  • Maskinlæringsentusiaster
 21 timer

Antall deltakere


Pris per deltaker

Referanser (7)

Kommende kurs

Relaterte kategorier