Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
План на курса
Въведение
- Какво са Large Language Models (LLMs)? LLM срещу традиционни модели на НЛП Преглед на функциите и архитектурата на LLMs Предизвикателства и ограничения на LLMs
Разбиране на LLMs
- Жизненият цикъл на LLM Как работят LLM Основните компоненти на LLM: енкодер, декодер, внимание, вграждания и др.
Приготвяме се да започнем
- Настройване на средата за разработка Инсталиране на LLM като инструмент за разработка, напр. Google Colab, Hugging Face
Работа с LLMs
- Проучване на наличните опции за LLM Създаване и използване на LLM Фина настройка на LLM върху персонализиран набор от данни
Резюмиране на текст
- Разбиране на задачата за обобщаване на текст и неговите приложения Използване на LLM за извлечено и абстрактно обобщаване на текст Оценяване на качеството на генерираните резюмета с помощта на показатели като ROUGE, BLEU и др.
Отговаряне на въпроси
- Разбиране на задачата за отговаряне на въпроси и нейните приложения Използване на LLM за отговор на въпроси от отворен и затворен домейн Оценяване на точността на генерираните отговори с помощта на показатели като F1, EM и др.
Генериране на текст
- Разбиране на задачата за генериране на текст и неговите приложения Използване на LLM за условно и безусловно генериране на текст Контролиране на стила, тона и съдържанието на генерираните текстове с помощта на параметри като температура, top-k, top-p и др.
Интегриране на LLM с други рамки и платформи
- Използване на LLM с PyTorch или TensorFlow Използване на LLM с Flask или Streamlit Използване на LLM с Google Cloud или AWS
Отстраняване на неизправности
- Разбиране на често срещаните грешки и грешки в LLMs Използване на TensorBoard за наблюдение и визуализиране на процеса на обучение Използване на PyTorch Lightning за опростяване на кода за обучение и подобряване на производителността Използване на Hugging Face Datasets за зареждане и предварителна обработка на данните
Обобщение и следващи стъпки
Изисквания
- Разбиране на обработката на естествен език и задълбочено обучение Опит с Python и PyTorch или TensorFlow Основен опит в програмирането
Публика
- Разработчици НЛП ентусиасти Учени по данни
14 Hours
