Đề cương khóa học

Giới thiệu về các mô hình LLM nguồn mở

  • Tổng quan về DeepSeek, Mistral, LLaMA và các mô hình nguồn mở khác
  • Cách thức hoạt động của LLMs: Transformer, tự chú ý và huấn luyện
  • So sánh giữa các mô hình LLM nguồn mở và mô hình độc quyền

Tùy chỉnh và điều chỉnh LLMs

  • Chuẩn bị dữ liệu cho việc điều chỉnh
  • Huấn luyện và tối ưu hóa LLMs bằng Hugging Face
  • Đánh giá hiệu suất của mô hình và giảm thiểu thiên lệch

Xây dựng Trợ lý AI với LLMs

  • Giới thiệu về LangChain cho phát triển trợ lý AI
  • Thiết kế quy trình làm việc dựa trên agent sử dụng LLMs
  • Trí nhớ, sinh ra thông qua khôi phục (RAG) và thực thi hành động

Triển khai Trợ lý AI dựa trên LLMs

  • Triển khai trợ lý AI bằng Docker
  • Tích hợp LLMs vào các ứng dụng doanh nghiệp
  • Thang máy trợ lý AI với dịch vụ đám mây và API

Bảo mật và Tuân thủ trong AI Doanh nghiệp

  • Xem xét đạo đức và tuân thủ quy định
  • Giảm thiểu rủi ro trong tự động hóa dựa trên AI
  • Giám sát và kiểm toán hành vi của trợ lý AI

Các Trường hợp Thực tế và Ứng dụng Thực tế

  • Trợ lý ảo dựa trên LLM
  • Tự động hóa tài liệu bằng AI
  • Trợ lý AI tùy chỉnh cho phân tích doanh nghiệp

Tối ưu và Bảo trì Trợ lý Dựa trên LLMs

  • Cải tiến liên tục và cập nhật mô hình
  • Triển khai giám sát và vòng lặp phản hồi
  • Chiến lược tối ưu hóa chi phí và điều chỉnh hiệu suất

Tóm tắt và Bước Tiếp theo

Requirements

  • Hiểu biết sâu sắc về AI và học máy
  • Kinh nghiệm lập trình Python
  • Am hiểu về mô hình ngôn ngữ lớn (LLMs) và xử lý ngôn ngữ tự nhiên (NLP)

Đối tượng tham gia

  • Kỹ sư AI
  • Nhà phát triển phần mềm doanh nghiệp
  • Lãnh đạo kinh doanh
 21 Hours

Number of participants


Price per participant

Testimonials (1)

Upcoming Courses

Related Categories