Návrh Školení

Úvod do LLM a generativní umělé inteligence

  • Zkoumání technik a modelů
  • Diskuse o aplikacích a případech použití
  • Identifikace výzev a omezení

Použití LLM pro úkoly NLU

  • Analýza sentimentu
  • Rozpoznání pojmenované entity
  • Extrakce vztahu
  • Sémantická analýza

Použití LLM pro úkoly NLI

  • Detekce zavinění
  • Detekce rozporů
  • Detekce parafrází

Použití LLM pro znalostní grafy

  • Vytahování faktů a vztahů z textu
  • Odvozování chybějících nebo nových skutečností
  • Použití znalostních grafů pro následné úkoly

Použití LLM pro uvažování Commonsense

  • Generování věrohodných vysvětlení, hypotéz a scénářů
  • Používání znalostních bází a datových sad se zdravým rozumem
  • Hodnocení zdravého rozumu

Použití LLM pro generování dialogu

  • Generování dialogů s konverzačními agenty, chatboty a virtuálními asistenty
  • Správa dialogů
  • Použití dialogových datových sad a metrik

Použití LLM pro multimodální generování

  • Generování obrázků z textu
  • Generování textu z obrázků
  • Generování videí z textu nebo obrázků
  • Generování zvuku z textu
  • Generování textu ze zvuku
  • Generování 3D modelů z textu nebo obrázků

Použití LLM pro Meta-Learning

  • Přizpůsobení LLM novým doménám, úkolům nebo jazykům
  • Učit se z několika výstřelů nebo nulových výstřelů
  • Používání meta-learningu a přenosu učebních datových sad a rámců

Využití LLM pro Adversarial Learning

  • Obrana LLM před škodlivými útoky
  • Detekce a zmírnění předsudků a chyb v LLM
  • Použití datových sad a metod pro učení protivníka a robustnost

Vyhodnocování LLM a generativní AI

  • Hodnocení kvality a rozmanitosti obsahu
  • Pomocí metrik, jako je počáteční skóre, Fréchetova počáteční vzdálenost a BLEU skóre
  • Používání metod lidského hodnocení, jako je crowdsourcing a průzkumy
  • Použití kontradiktorních metod hodnocení, jako jsou Turingovy testy a diskriminátory

Uplatňování etických zásad pro LLM a generativní umělou inteligenci

  • Zajištění spravedlnosti a odpovědnosti
  • Předcházení zneužití a zneužití
  • Respektování práv a soukromí tvůrců obsahu a spotřebitelů
  • Podpora kreativity a spolupráce člověka a umělé inteligence

Shrnutí a další kroky

Požadavky

  • Pochopení základních pojmů a terminologie AI
  • Zkušenosti s Python programováním a analýzou dat
  • Znalost rámců hlubokého učení, jako jsou TensorFlow nebo PyTorch
  • Pochopení základů LLM a jejich aplikací

Publikum

  • Datoví vědci
  • Vývojáři AI
  • nadšenci AI
 21 hodiny

Počet účastníků



Price per participant

Reference (1)

Související kurzy

Související kategorie