After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Cursusbeschrijving
Vereisten
Curriculum
Cursusoverzicht
1
Introductie tot Large Language Models (LLM)
Het AI-landschap ontwikkelt zich razendsnel en Large Language Models (LLMs) staan centraal in deze evolutie. Dit hoofdstuk onderzoekt hoe LLMs de ontwikkeling van mensachtige kunstmatige intelligentie vooruithelpen en sectoren transformeren dankzij hun vele toepassingen. Je verkent de uitdagingen en complexiteit van taalmodellering.
- De opkomst van LLM's in het AI-landschap50 XP
- Definitie van een LLM50 XP
- LLM's in het AI-landschap100 XP
- AI- versus LLM-toepassingen100 XP
- Toepassingen in de praktijk50 XP
- Bedrijfstoepassingen50 XP
- Multimodale toepassingen50 XP
- Data-gedreven taken automatiseren50 XP
- Uitdagingen van taalmodellering50 XP
- Wat kan een taalmodel doen?50 XP
- Single- vs. multi-task learning100 XP
2
Bouwstenen van LLMs
Dit hoofdstuk benadrukt de nieuwheid van LLMs en hun opkomende mogelijkheden, en schetst verschillende NLP-technieken voor datapreparatie. Je leert welke uitdagingen komen kijken bij het trainen van LLMs en hoe fine-tuning die effectief kan aanpakken. Ook begrijp je hoe N-shot learning-technieken zorgen voor efficiënte aanpassing van voorgetrainde modellen bij beperkte gelabelde data.
3
Trainingsmethodologie en -technieken
In dit hoofdstuk leer je over de fundamentele bouwstenen voor het trainen van een LLM, zoals pretrainingstechnieken. Je krijgt ook een intuïtief begrip van complexe concepten zoals de transformer-architectuur, inclusief het attention-mechanisme. Het hoofdstuk behandelt een geavanceerde fine-tuningtechniek en vat het trainingsproces samen om een LLM te voltooien.
4
Zorgpunten en overwegingen
In dit hoofdstuk gaan we in op de belangrijkste aandachtspunten bij het trainen van LLMs, zoals de beschikbaarheid van veel data, datakwaliteit, nauwkeurige labeling en de gevolgen van bevooroordeelde data. Je bekijkt ook diverse LLM-risico's, zoals gegevensprivacy, ethische kwesties en milieu-impact. Tot slot besluit het hoofdstuk met een bespreking van opkomende onderzoeksgebieden en het zich ontwikkelende LLM-landschap.
R
Concepten van Large Language Models (LLMs)
Cursus
voltooid
