After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Поєднайте ефективність Generative AI з експертним людським розумінням у курсі про Reinforcement Learning from Human Feedback. Ви навчитеся робити моделі GenAI такими, що справді відображають людські цінності та вподобання, і отримаєте практичний досвід роботи з LLM. Також ви розберетеся зі складнощами моделей винагороди та дізнаєтеся, як розвивати LLM, щоб створювати ШІ, який не лише навчається, а й адаптується до реальних сценаріїв.
Попередні вимоги
Навчальний план
Зміст курсу
1
Базові поняття
У цьому розділі подано основи Reinforcement Learning with Human Feedback (RLHF) — підходу, що використовує людський внесок, аби моделі ШІ навчалися ефективніше. Почніть роботу з RLHF, зрозумівши, чим він відрізняється від класичного підкріплювального навчання та чому людський зворотний зв'язок може підвищувати продуктивність ШІ у різних галузях.
- Вступ до RLHF50 XP
- Генерація тексту з RLHF100 XP
- Класифікація згенерованого тексту для RLHF100 XP
- RL проти RLHF50 XP
- Дослідження попередньо натренованих LLM50 XP
- Токенізуйте текстовий набір даних100 XP
- Тонке налаштування для класифікації відгуків100 XP
- Підготовка даних для RLHF50 XP
- Підготовка набору даних уподобань100 XP
- Видобування підказок (prompts)50 XP
2
Збір людського зворотного зв'язку
У цьому розділі ви дізнаєтеся, як налаштувати системи для збирання людського зворотного зв'язку. Ознайомитеся з найкращими практиками збирання якісних даних — від парних порівнянь до відбору за невизначеністю — і дослідите стратегії, що допомагають покращити процес збору даних.
3
Налаштування моделей за допомогою людського зворотного зв'язку
У цьому розділі ви зануритеся в ядро навчання Reinforcement Learning from Human Feedback. Розглянете тонке налаштування з PPO, техніки ефективного тренування та способи обробки можливих відхилень від цілей ваших метрик.
4
Оцінювання моделей
Ознайомтеся з ключовими методами оцінювання та вдосконалення якості моделей у фінальному розділі Reinforcement Learning from Human Feedback (RLHF): від метрик тонкого налаштування до залучення різних джерел зворотного зв'язку — ви отримаєте повний набір інструментів для ефективного доопрацювання моделей.
Reinforcement Learning from Human Feedback (RLHF)
Курс
завершено
