700+ courses, half price
Opis kursu
Odkryj duże modele językowe
W tym kursie wyruszysz w podróż po świecie dużych modeli językowych (LLM) i odkryjesz, jak zmieniają krajobraz AI. Poznasz czynniki napędzające boom na LLM, takie jak rewolucja deep learning, dostępność danych i moc obliczeniowa.Ten kurs koncepcyjny zgłębia LLM-y i pokazuje, jak rewolucjonizują biznes i codzienne życie na podstawie rzeczywistych przykładów — od finansów po tworzenie treści.
Odkryj sekrety LLM-ów i metodologii treningu
Poznasz podstawowe elementy składowe LLM-ów, w tym techniki przetwarzania języka naturalnego, strategie dostrajania oraz techniki uczenia, takie jak uczenie zero-shot, few-shot i multi-shot. W miarę postępów zdobędziesz wiedzę o najnowocześniejszych metodach treningu, które napędzają LLM-y, w tym przewidywaniu kolejnego słowa, modelowaniu języka z maskowaniem oraz mechanizmach uwagi.Poznaj obawy i kwestie związane z LLM-ami
Zajmiesz się także kluczowymi kwestiami etycznymi i środowiskowymi związanymi z budowaniem i trenowaniem LLM-ów, takimi jak dane treningowe i kwestie prywatności.Gdy kończysz kurs, odkryjesz, jak wyprzedzać konkurencję, zagłębiając się w najnowsze badania w dziedzinie LLM. Poznasz przyszłe kierunki rozwoju, koncentrując się na wyjaśnialności modeli, obsłudze uprzedzeń w uczeniu nienadzorowanym, efektywności obliczeniowej oraz zwiększonej kreatywności.
Po ukończeniu tego kursu będziesz mieć kompleksowe zrozumienie LLM-ów, ich możliwości, zastosowań oraz intrygujących wyzwań.
Wymagania wstępne
Program kursu
Plan kursu
1
Wprowadzenie do dużych modeli językowych (LLM)
Krajobraz sztucznej inteligencji zmienia się w szybkim tempie, a duże modele językowe (LLM) są w centrum tych zmian. Ten rozdział pokazuje, jak LLM przyspieszają rozwój sztucznej inteligencji zdolnej do naśladowania ludzkiego języka i jak przekształcają różne branże dzięki swoim licznym zastosowaniom. Poznasz też wyzwania i złożoność związane z modelowaniem języka.
- Wzrost znaczenia LLM w krajobrazie sztucznej inteligencji50 XP
- Definicja dużego modelu językowego50 XP
- Duże modele językowe w krajobrazie SI100 XP
- AI vs. aplikacje LLM100 XP
- Zastosowania w praktyce50 XP
- Zastosowania biznesowe50 XP
- Zastosowania multimodalne50 XP
- Automatyzacja zadań opartych na danych50 XP
- Wyzwania związane z modelowaniem języka50 XP
- Co potrafi model językowy?50 XP
- Uczenie jednozdaniowe a wielozadaniowe100 XP
2
Elementy składowe LLM
Ten rozdział podkreśla nowatorski charakter LLM i ich wyłaniające się możliwości, a także przedstawia różne techniki NLP służące do przygotowania danych. Dowiesz się, jakie wyzwania wiążą się z trenowaniem LLM i jak fine-tuning może skutecznie im sprostać. Zrozumiesz też, jak techniki uczenia N-shot umożliwiają efektywne dostosowywanie wstępnie wytrenowanych modeli w sytuacji, gdy dostępna jest ograniczona ilość oznaczonych danych.
3
Metodologia i techniki trenowania
W tym rozdziale poznasz podstawowe elementy składowe procesu trenowania LLM, takie jak techniki pre-treningu. Zdobędziesz też intuicyjne zrozumienie złożonych koncepcji, takich jak architektura transformera, w tym mechanizm uwagi. Rozdział omawia zaawansowaną technikę fine-tuningu i podsumowuje cały proces trenowania LLM.
4
Zagrożenia i kwestie do rozważenia
W tym rozdziale przyjrzymy się kluczowym kwestiom, które należy wziąć pod uwagę podczas trenowania LLM – takim jak dostępność dużych zbiorów danych, jakość danych, dokładne etykietowanie oraz konsekwencje wynikające ze stronniczych danych. Przeanalizujesz też różne ryzyka związane z LLM, m.in. prywatność danych, kwestie etyczne i wpływ na środowisko. Na zakończenie omówimy nowe obszary badań oraz ewoluujący krajobraz LLM.
R
Koncepcje dużych modeli językowych (LLM)
Kurs
ukończony
