Kursplan

Innføring i store språkmodeller

  • Oversikt over naturlig språkbehandling (NLP)
  • Innføring i store språkmodeller (LLMs)
  • Meta AI's bidrag til LLM-utvikling

Forståelsen av arkitekturen i Meta AI's LLMs

  • Transformerarkitektur og selvsamtale-mekanismer
  • Treningsmetoder for store modeller
  • Sammenligning med andre LLMs (GPT, BERT, T5, etc.)

Oppsett av utviklingsmiljøet

  • Installasjon og konfigurasjon av Python og Jupyter Notebook
  • Arbeid med Hugging Face og Meta AI's modellarkiv
  • Bruk av skybaserte eller lokale GPUer for trening

Justering og tilpassing av Meta AI's LLMs

  • Lasting av forhåndstrente modeller
  • Justering på domenspesifikke datasett
  • Overføringslæringsmetoder

Bygging av NLP-applikasjoner med Meta AI's LLMs

  • Utvikling av chatbots og samtalende AI
  • Implementering av tekstsammendrag og omformulering
  • Sentimentanalyse og innholdsmoderering

Optimalisering og utplassering av store språkmodeller

  • Ytelsesjustering for inferenshastighet
  • Modellkompresjon og kvantiseringsmetoder
  • Utplassering av LLMs ved hjelp av APIer og skyplattformer

Etiske overveielser og ansvarlig AI

  • Opptak og avhjelping av fordommer i LLMs
  • Sikring av gjennomsiktighet og rettferdighet i AI-modeller
  • Fremtidige trend og utviklinger i AI

Sammenfatning og neste skritt

Krav

  • Grunnleggende forståelse av maskinlæring og dyp lærings
  • Erfaring med Python-programmering
  • Kjennskap til konsepter innen naturlig språkbehandling (NLP)

Målgruppe

  • AI-forskere
  • Data-vitere
  • Maskinlæringsingeniører
  • Programvareutviklere interessert i NLP
 21 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories