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
- Hva er Large Language Models (LLMs)?
- LLM-er vs tradisjonelle NLP-modeller
- Oversikt over LLMs funksjoner og arkitektur
- Utfordringer og begrensninger ved LLM
Forstå LLM-er
- Livssyklusen til en LLM
- Hvordan LLM-er fungerer
- Hovedkomponentene i en LLM: koder, dekoder, oppmerksomhet, innebygging, etc.
Komme i gang
- Sette opp utviklingsmiljøet
- Installere en LLM som et utviklingsverktøy, f.eks. Google Colab, Hugging Face
Arbeide med LLM-er
- Utforsker tilgjengelige LLM-alternativer
- Opprette og bruke en LLM
- Finjustering av en LLM på et tilpasset datasett
Tekstoppsummering
- Forstå oppgaven med tekstoppsummering og dens anvendelser
- Bruke en LLM for ekstraktiv og abstrakt tekstoppsummering
- Evaluering av kvaliteten på de genererte sammendragene ved hjelp av beregninger som ROUGE, BLEU, etc.
Spørsmål svar
- Forstå oppgaven med å besvare spørsmål og dens anvendelser
- Bruke en LLM for å besvare spørsmål med åpent domene og lukket domene
- Evaluering av nøyaktigheten til de genererte svarene ved hjelp av beregninger som F1, EM, etc.
Tekstgenerering
- Forstå oppgaven med tekstgenerering og dens applikasjoner
- Bruke en LLM for betinget og ubetinget tekstgenerering
- Kontrollere stilen, tonen og innholdet i de genererte tekstene ved hjelp av parametere som temperatur, topp-k, topp-p, etc.
Integrering av LLM-er med andre rammer og plattformer
- Bruke LLM med PyTorch eller TensorFlow
- Bruke LLM-er med Flask eller Streamlit
- Bruke LLM-er med Google Cloud eller AWS
Feilsøking
- Forstå de vanlige feilene og feilene i LLM-er
- Bruk av TensorBoard til å overvåke og visualisere opplæringsprosessen
- Bruker PyTorch Lightning for å forenkle treningskoden og forbedre ytelsen
- Bruke Hugging Face Datasett for å laste og forhåndsbehandle dataene
Sammendrag og neste trinn
Krav
- En forståelse av naturlig språkbehandling og dyp læring
- Erfaring med Python og PyTorch eller TensorFlow
- Grunnleggende erfaring med programmering
Publikum
- Utviklere
- NLP-entusiaster
- Dataforskere
14 timer
