Đề cương khóa học

Giới thiệu về AI sinh thành

  • AI sinh thành là gì và tại sao nó lại quan trọng?
  • Các loại và kỹ thuật chính của AI sinh thành
  • Thách thức và hạn chế chính của AI sinh thành

Kiến trúc transformer và LLMs

  • Transformer là gì và nó hoạt động như thế nào?
  • Các thành phần và tính năng chính của một transformer
  • Sử dụng transformers để xây dựng LLMs

Quy luật tỷ lệ và tối ưu hóa

  • Quy luật tỷ lệ là gì và tại sao chúng lại quan trọng đối với LLMs?
  • Quy luật tỷ lệ liên quan đến kích thước mô hình, kích thước dữ liệu, ngân sách tính toán và yêu cầu suy luận như thế nào?
  • Quy luật tỷ lệ có thể giúp tối ưu hóa hiệu suất và hiệu quả của LLMs như thế nào?

Đào tạo và tinh chỉnh LLMs

  • Các bước chính và thách thức khi đào tạo LLMs từ đầu
  • Ưu điểm và nhược điểm của việc tinh chỉnh LLMs cho các nhiệm vụ cụ thể
  • Các thực hành tốt nhất và công cụ để đào tạo và tinh chỉnh LLMs

Triển khai và sử dụng LLMs

  • Các yếu tố chính và thách thức khi triển khai LLMs trong sản xuất
  • Các trường hợp sử dụng phổ biến và ứng dụng của LLMs trong các lĩnh vực và ngành công nghiệp khác nhau
  • Tích hợp LLMs với các hệ thống AI và nền tảng khác

Đạo đức và tương lai của AI sinh thành

  • Các tác động đạo đức và xã hội của AI sinh thành và LLMs
  • Rủi ro và hậu quả tiềm ẩn của AI sinh thành và LLMs, như thiên vị, thông tin sai lệch và thao túng
  • Sử dụng có trách nhiệm và mang lại lợi ích từ AI sinh thành và LLMs

Tóm tắt và các bước tiếp theo

Yêu cầu

  • Hiểu về các khái niệm học máy, như học có giám sát và không có giám sát, hàm mất mát và phân chia dữ liệu
  • Kinh nghiệm lập trình Python và thao tác dữ liệu
  • Kiến thức cơ bản về mạng nơ-ron và xử lý ngôn ngữ tự nhiên

Đối tượng học viên

  • Nhà phát triển
  • Người yêu thích học máy
 21 Giờ

Số người tham gia


Giá cho mỗi học viên

Đánh giá (7)

Các khóa học sắp tới

Các danh mục liên quan