After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Upptäck stora språkmodeller
I den här kursen får du utforska världen av stora språkmodeller (LLM:er) och upptäcka hur de omformar AI-landskapet. Du kommer att utforska de faktorer som driver LLM-boomen, såsom revolutionen inom djupinlärning, tillgången på data och datorkraft.Denna konceptuella kurs går på djupet med LLM:er och hur de revolutionerar företag och vardagslivet med verkliga exempel, från finans till innehållsskapande.
Lås upp hemligheterna bakom LLM:er och träningsmetoder
Du kommer att lära dig om byggstenarna i LLM:er, inklusive tekniker för naturlig språkbehandling, strategier för finjustering och inlärningstekniker som zero-shot-, few-shot- och multi-shot-inlärning. Allt eftersom du går vidare får du insikter i de senaste träningsmetoderna som driver LLM:er, inklusive förutsägelse av nästa ord, maskerad språkmodellering och uppmärksamhetsmekanismer.Utforska LLM:er – farhågor och överväganden
Du kommer också att ta dig an de viktiga etiska och miljömässiga övervägandena vid utveckling och träning av LLM:er, såsom träningsdata och integritetsfrågor.När du avslutar kursen kommer du att upptäcka hur du ligger steget före när du fördjupar dig i den senaste forskningen inom LLM-området. Du kommer att utforska framtida utveckling med fokus på modellförklarbarhet, hantering av obevakad bias, beräkningsmässig effektivitet och ökad kreativitet.
I slutet av den här kursen kommer du att ha en heltäckande förståelse för LLM:er, deras möjligheter, användningsområden och spännande utmaningar.
Förkunskapskrav
Kursplan
Kursöversikt
1
Introduktion till stora språkmodeller (LLM)
AI-landskapet förändras snabbt, och stora språkmodeller (LLM) är i framkant av den utvecklingen. Det här kapitlet undersöker hur LLM:er driver framstegen mot en mer mänsklig artificiell intelligens och hur de omformar industrier genom sina många tillämpningar. Du utforskar de utmaningar och den komplexitet som är förknippad med språkmodellering.
- LLM:ers framväxt inom AI-landskapet50 XP
- Definition av en LLM50 XP
- LLM:er i AI-landskapet100 XP
- AI vs. LLM-applikationer100 XP
- Verkliga tillämpningar50 XP
- Affärsapplikationer50 XP
- Multimodala tillämpningar50 XP
- Automatisera datadrivna uppgifter50 XP
- Utmaningar med språkmodellering50 XP
- Vad kan en språkmodell göra?50 XP
- Enkeluppgifts- vs. fleruppgiftsinlärning100 XP
2
LLM:ers byggstenar
Det här kapitlet lyfter fram vad som gör LLM:er unika och vilka nya förmågor de besitter, samt ger en översikt av olika NLP-tekniker för dataförberedelse. Du lär dig om utmaningarna med att träna LLM:er och hur finjustering kan hantera dem på ett effektivt sätt. Du får också förståelse för hur N-shot-inlärning möjliggör effektiv anpassning av förtränade modeller när märkt data är begränsad.
3
Träningsmetodik och tekniker
I det här kapitlet lär du dig om de grundläggande byggstenarna för att träna en LLM, till exempel förträningstekniker. Du får också en intuitiv förståelse för komplexa koncept som transformerarkitektur, inklusive uppmärksamhetsmekanismen. Kapitlet behandlar en avancerad finjusteringsteknik och sammanfattar träningsprocessen för att färdigställa en LLM.
4
Risker och överväganden
I det här kapitlet fördjupar vi oss i viktiga överväganden vid träning av LLM:er, såsom tillgång till stora datamängder, datakvalitet, korrekt märkning och konsekvenserna av partisk data. Du granskar också olika LLM-risker som dataintegritet, etiska frågor och miljöpåverkan. Kapitlet avslutas med en diskussion om framväxande forskningsområden och det föränderliga LLM-landskapet.
R
Koncept inom stora språkmodeller (LLM)
Kurs
slutförd
