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 học

Số người tham gia


Giá cho mỗi người tham gia

Đánh giá (7)

Các khóa học sắp tới

Các danh mục liên quan