План на курса

Въведение в LLMs и Generative AI

  • Проучване на техники и модели
  • Обсъждане на приложения и случаи на използване
  • Идентифициране на предизвикателства и ограничения

Използване на LLMs за NLU задачи

  • Анализ на настроението
  • Разпознаване на именуван обект
  • Извличане на релация
  • Семантичен анализ

Използване на LLMs за NLI задачи

  • Откриване на намеса
  • Откриване на противоречия
  • Откриване на парафрази

Използване на LLM за Графи на знанието

  • Извличане на факти и отношения от текст
  • Извеждане на липсващи или нови факти
  • Използване на графики на знания за задачи надолу по веригата

Използване на LLMs за разумно разсъждение

  • Генериране на правдоподобни обяснения, хипотези и сценарии
  • Използване на разумни бази от знания и набори от данни
  • Оценяване на разумни разсъждения

Използване на LLMs за генериране на диалог

  • Генериране на диалози с разговорни агенти, чатботове и виртуални асистенти
  • Управление на диалози
  • Използване на диалогови набори от данни и показатели

Използване на LLM за мултимодално генериране

  • Генериране на изображения от текст
  • Генериране на текст от изображения
  • Генериране на видеоклипове от текст или изображения
  • Генериране на звук от текст
  • Генериране на текст от аудио
  • Генериране на 3D модели от текст или изображения

Използване на LLM за мета-обучение

  • Адаптиране на LLM към нови домейни, задачи или езици
  • Учене от няколко или нулеви примери
  • Използване на набори от данни и рамки за метаобучение и трансфер на обучение

Използване на LLM за състезателно обучение

  • Защита на LLM от злонамерени атаки
  • Откриване и смекчаване на отклонения и грешки в LLM
  • Използване на набори от данни и методи за състезателно обучение и устойчивост

Оценяване на LLMs и Generative AI

  • Оценяване на качеството и разнообразието на съдържанието
  • Използване на показатели като начален резултат, начално разстояние на Fréchet и BLEU резултат
  • Използване на методи за човешка оценка като краудсорсинг и анкети
  • Използване на състезателни методи за оценка като тестове на Тюринг и дискриминатори

Прилагане на етични принципи за LLMs и Generative AI

  • Осигуряване на справедливост и отчетност
  • Избягване на злоупотреба и злоупотреба
  • Зачитане на правата и поверителността на създателите на съдържание и потребителите
  • Насърчаване на креативността и сътрудничеството между човека и ИИ

Обобщение и следващи стъпки

Изисквания

  • Разбиране на основните концепции и терминология на ИИ
  • Опит с Python програмиране и анализ на данни
  • Познаване на рамки за дълбоко обучение като TensorFlow или PyTorch
  • Разбиране на основите на LLM и техните приложения

Публика

  • Учени по данни
  • AI разработчици
  • AI ентусиасти
 21 Hours

Брой участници



Цена за участник

Oтзиви от потребители (1)

Свързани Kурсове

Scaling Data Pipelines with Spark NLP

14 Hours

LLMs for Sentiment Analysis

21 Hours

Свързани Kатегории