Zkuste nás kontaktovat

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

Architektura transformátorů a LLM

  • Co je to transformátor a jak funguje?
  • Hlavní komponenty a vlastnosti transformátorů
  • Využití transformátorů k tvorbě velkých jazykových modelů

Zákony škálování a optimalizace LLM

  • Co jsou zákony škálování a proč jsou pro LLM důležité?
  • Jak souvisí zákony škálování s velikostí modelu, množstvím dat, výpočetní kapacitou a požadavky na vykonávání?
  • Jak lze zákony škálování využít k optimalizaci výkonnosti a efektivity LLM?

Trénování a doladění velkých jazykových modelů

  • Hlavní kroky a výzvy při trénování LLM od nuly
  • Výhody i nevýhody doladění LLM pro konkrétní úlohy
  • Nejlepší postupy a nástroje určené k trénování a doladění LLM

Nasazení a využití velkých jazykových modelů

  • Hlavní aspekty a výzvy spojené s nasazením LLM do produkčního prostředí
  • Běžné případy použití a aplikace LLM v různých odvětvích
  • Integrace velkých jazykových modelů s dalšími systémy a platformami AI

Etika a budoucnost generativní AI

  • Etické a společenské důsledky generativní AI a velkých jazykových modelů
  • Potenciální rizika a škodlivé dopady, jako jsou předsudky, dezinformace či manipulace
  • Odpovědné a prospěšné využití generativní AI a LLM

Shrnutí a další kroky

Požadavky

  • Znalost základních konceptů strojového učení – supervizované i nesupervizované učení, funkce ztráty a rozdělování dat.
  • Praktické zkušenosti s programováním v Pythonu a manipulací s daty.
  • Základní povědomí o neuronových sítích a zpracování přirozeného jazyka.

Cílová skupina

  • Vývojáři
  • Nadšenci do strojového učení
 21 Hodiny

Počet účastníků


Cena za účastníka

Reference (7)

Nadcházející kurzy

Související kategorie