Návrh Školení

Úvod do generativní AI

  • Co je generativní AI a proč je důležitá?
  • Hlavní typy a techniky generativní AI
  • Klíčové výzvy a omezení generativní AI

Transformerová architektura a LLMs

  • Co je transformer a jak funguje?
  • Hlavní komponenty a vlastnosti transformera
  • Použití transformerů k vytváření LLMs

Škálovací zákony a optimalizace

  • Co jsou škálovací zákony a proč jsou důležité pro LLMs?
  • Jak se škálovací zákony vztahují k velikosti modelu, velikosti dat, rozpočtu na výpočet a požadavkům na odvození?
  • Jak mohou škálovací zákony pomoci optimalizovat výkon a efektivitu LLMs?

Školení a jemné ladění LLMs

  • Hlavní kroky a výzvy při školení LLMs od nuly
  • Výhody a nevýhody jemného ladění LLMs pro specifické úlohy
  • Nejlepší praktiky a nástroje pro školení a jemné ladění LLMs

Nasazení a použití LLMs

  • Hlavní aspekty a výzvy při nasazování LLMs do produkce
  • Běžné použití a aplikace LLMs v různých doménách a odvětvích
  • Integrace LLMs s jinými AI systémy a platformami

Etika a budoucnost generativní AI

  • Etické a společenské důsledky generativní AI a LLMs
  • Potenciální rizika a škody generativní AI a LLMs, jako jsou odchylky, špatné informace a manipulace
  • Zodpovědné a přínosné použití generativní AI a LLMs

Shrnutí a další kroky

Požadavky

  • Pochopení konceptů strojového učení, jako jsou dozorováno a nedozorovaně učení, ztrátové funkce a dělení dat
  • Zkušenosti s programováním v Pythonu a manipulací s daty
  • Základní znalost neuronových sítí a zpracování přirozeného jazyka

Účastníci

  • Vývojáři
  • Enthusiasté strojového učení
 21 Hodiny

Počet účastníků


Cena za účastníka

Reference (7)

Nadcházející kurzy

Související kategorie