Conceitos de modelos de linguagem grandes (LLMs)
Comece O Curso Gratuitamente2 Horas15 Videos50 Exercicios
Create Your Free Account
or
By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.Treinar 2 ou mais pessoas?Experimente o DataCamp For Business
Loved by learners at thousands of companies
Descrição do Curso
Neste curso, você percorrerá o mundo dos LLMs (Large Language Models) e descobrirá como eles estão remodelando o cenário da IA. Você verá como eles revolucionam os negócios e a vida cotidiana com exemplos do mundo real e aprenderá sobre seus componentes básicos. À medida que progredir, você também obterá insights sobre as metodologias de treinamento. Por fim, você abordará as considerações éticas e ambientais críticas para os LLMs e verá como poderá ser o futuro dos LLMs. Ao final deste curso, você terá uma compreensão abrangente dos LLMs, seus recursos, aplicativos e desafios.
Para Empresas
Treinar 2 ou mais pessoas?
Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizadosNas seguintes faixas
- 1
Introdução aos modelos de linguagem ampla (LLM)
GrátisO cenário da IA está evoluindo rapidamente, e os modelos de linguagem grande (LLMs) estão na vanguarda dessa evolução. Este capítulo examina como os LLMs estão avançando no desenvolvimento de inteligência artificial semelhante à humana e transformando os setores por meio de suas inúmeras aplicações. Você explorará os desafios e a complexidade associados à modelagem de linguagem.
A ascensão dos LLMs no cenário da IA50 xpDefinição de um LLM50 xpLLMs no cenário da IA100 xpIA vs. Solicitações de LLM100 xpAplicativos do mundo real50 xpAplicativos de negócios50 xpAplicativos multimodais100 xpAutomatizar tarefas orientadas por dados50 xpDesafios da modelagem de linguagem50 xpO que um modelo de linguagem pode fazer?50 xpAprendizagem com uma ou várias tarefas100 xp - 2
Componentes básicos dos LLMs
Este capítulo enfatiza a novidade dos LLMs e seus recursos emergentes, ao mesmo tempo em que descreve várias técnicas de PLN para a preparação de dados. Você conhecerá os desafios do treinamento de LLMs e como o ajuste fino pode resolvê-los com eficácia. Você também entenderá como as técnicas de aprendizagem N-shot permitem a adaptação eficiente de modelos pré-treinados quando confrontados com dados rotulados limitados.
Novidades dos LLMs50 xpSolução de problemas com LLMs50 xpModelos tradicionais vs. modelos de mercado. LLMs100 xpVisão geral da PNL50 xpPreparação de dados50 xpPré-processamento e representação de texto100 xpIncorporação de palavras em sacos de palavras50 xpAjuste fino50 xpDesafios na criação de LLMs50 xpAdaptar um modelo pré-treinado50 xpPré-treinado ou aperfeiçoado?100 xpTécnicas de aprendizado50 xpAjuste fino de um modelo50 xpAprendizagem com N disparos100 xp - 3
Metodologia e técnicas de treinamento
Neste capítulo, você aprenderá sobre os componentes fundamentais do treinamento de um LLM, como as técnicas de pré-treinamento. Você também obterá uma compreensão intuitiva de conceitos complexos, como a arquitetura do transformador, incluindo o mecanismo de atenção. O capítulo discute uma técnica avançada de ajuste fino e resume o processo de treinamento para concluir um LLM.
Blocos de construção para treinar LLMs50 xpLinguagem mascarada50 xpPrever a próxima palavra50 xpConstruindo do zero100 xpApresentando o transformador50 xpRelações entre palavras distantes50 xpComponentes do transformador100 xpMecanismos de atenção50 xpFoco de atenção de várias cabeças50 xpAtenção própria vs. atenção de várias cabeças100 xpAjuste fino avançado50 xpTreinamento de ponta a ponta100 xpTreinamento, ajuste e feedback50 xpCriação de um LLM50 xp - 4
Preocupações e considerações
Neste capítulo, abordamos as principais considerações ao treinar LLMs, como a disponibilidade de dados grandes, a qualidade dos dados, a rotulagem precisa e as implicações de dados tendenciosos. Você também examinará vários riscos do LLM, como privacidade de dados, preocupações éticas e impacto ambiental. Por fim, o capítulo conclui discutindo as áreas de pesquisa emergentes e o cenário em evolução dos LLMs.
Preocupações e considerações sobre os dados50 xpSeu modelo é justo?50 xpImparcial e relevante100 xpAtendimento ao cliente de um banco50 xpPreocupações éticas e ambientais50 xpUso responsável50 xpÉtica e meio ambiente100 xpPara onde estão indo os LLMs?50 xpCriatividade vs. eficiência100 xpAnálise de obras literárias100 xpHora de encerrar50 xp
Para Empresas
Treinar 2 ou mais pessoas?
Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizadosNas seguintes faixas
Colaboradores
Pre Requisitos
Understanding Machine LearningVidhi Chugh
Veja MaisAI Strategist and Ethicist
O que os outros alunos têm a dizer?
Cadastre-se mais 13 milhões de alunos e comece Conceitos de modelos de linguagem grandes (LLMs) Hoje!
Create Your Free Account
or
By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.