Ga naar hoofdinhoud

Cursus

Concepten van Large Language Models (LLMs)

BasisVaardigheidsniveau

Bijgewerkt 05-2026

Ontdek het volledige potentieel van LLM's met onze conceptuele cursus over LLM-toepassingen, trainingsmethoden, ethische overwegingen en het nieuwste onderzoek.

Start Cursus Kosteloos

TheoryArtificial Intelligence

2 u

15 videos

50 Opdrachten

3,000 XP

100K+

Bewijs van Prestatie

Geliefd bij leerlingen van duizenden bedrijven

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

Vereisten

Understanding Machine Learning

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-landschap

Definitie van een LLM

LLM's in het AI-landschap

AI- versus LLM-toepassingen

Toepassingen in de praktijk

Bedrijfstoepassingen

Multimodale toepassingen

Data-gedreven taken automatiseren

Uitdagingen van taalmodellering

Wat kan een taalmodel doen?

Single- vs. multi-task learning

Hoofdstuk beginnen

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.

De nieuwheid van LLM's

Problemen oplossen met LLM's

Traditionele modellen vs. LLM's

Algemeen overzicht van NLP

Datavoorbereiding

Tekstvoorbewerking en -representatie

Word embeddings boven bag-of-words

Fine-tuning

Uitdagingen bij het bouwen van LLM's

Pas een voorgetraind model aan

Pre-trained of fine-tuned?

Leertechnieken

Een model fine-tunen

N-shot learning

Hoofdstuk beginnen

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.

Bouwstenen om LLM's te trainen

Gemaskeerde taal

Voorspel het volgende woord

Vanaf nul opbouwen

De transformer introduceren

Relaties tussen ver verwijderde woorden

Transformer-onderdelen

Attention-mechanismen

Focus van multi-head attention

Self- vs. multi-head attention

Geavanceerde fine-tuning

End-to-end trainen

Training, afstemmen & feedback

Een LLM bouwen

Hoofdstuk beginnen

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.

Zorgen en aandachtspunten rond data

Is je model eerlijk?

Onbevooroordeeld en relevant

Klantservice van een bank

Ethische en milieukundige bezorgdheden

Verantwoord gebruik

Ethiek en milieu

Waar gaan LLM's naartoe?

Creativiteit vs. efficiëntie

Literaire werken analyseren

Tijd om af te ronden

Hoofdstuk beginnen

Concepten van Large Language Models (LLMs)

Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Concepten van Large Language Models (LLMs)!

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.