План на курса

Введение в големите езикови модели

  • Обзор на обработката на естествен език (NLP)
  • Введение в големите езикови модели (LLMs)
  • Въпросът на Meta AI за разработката на LLMs

Разбиране на архитектурата на големите езикови модели на Meta AI

  • Архитектура на трансформери и механизми за самовнимание
  • Методи за обучение на големи модели
  • Сравнение с други LLMs (GPT, BERT, T5, и др.)

Настройка на разработката на среда

  • Инсталиране и настройка на Python и Jupyter Notebook
  • Работа с моделите на Hugging Face и Meta AI
  • Използване на облачни или локални GPUs за обучение

Фине-наластройка и настройка на големите езикови модели на Meta AI

  • Зареждане на предобученi модели
  • Фине-наластройка на специфични за домейн данни
  • Техники за трансфер обучение

Създаване на приложения за обработка на естествен език с големите езикови модели на Meta AI

  • Разработване на чатботове и разговорна AI
  • Реализация на съкращаване на текст и парафразиране
  • Анализ на настроение и модерация на съдържание

Оптимизация и развертане на големите езикови модели

  • Настройка на производителността за скорост на извод
  • Техники за компресия и квантуване на модели
  • Развертане на LLMs с помощта на API и облачни платформи

Етични разсъждения и отговорна AI

  • Откриване и намаляване на предразсъдъци в LLMs
  • Обеспечаване на прозрачност и справедливост в AI моделите
  • Будущи тенденции и разработки в AI

Резюме и следващи стъпки

Изисквания

  • Основни познания в машинно обучение и дълбоко обучение
  • Опит с програмиране на Python
  • Завършеност с концепциите за обработка на естествен език (NLP)

Целева аудитория

  • Изследователи в областта на изкуствен интелигент
  • Специалисти по данни
  • Инженери на машинно обучение
  • Софтуерни разработчици, заинтересовани в NLP
 21 часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории