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.
Schița de curs
Introducere
- Ce sunt Large Language Models (LLMs)?
- LLM vs. modelele NLP tradiționale
- Prezentare generală a caracteristicilor și arhitecturii LLM-urilor
- Provocări și limitări ale LLM-urilor
Înțelegerea LLM-urilor
- Ciclul de viață al unui LLM
- Cum funcționează LLM-urile
- Principalele componente ale unui LLM: codificator, decodificator, atenție, embeddings etc.
Noțiuni introductive
- Configurarea mediului de dezvoltare
- Instalarea unui LLM ca instrument de dezvoltare, de exemplu Google Colab, Hugging Face
Lucrul cu LLM-uri
- Explorarea opțiunilor LLM disponibile
- Crearea și utilizarea unui LLM
- Reglarea fină a unui LLM pe un set de date personalizat
Sumarizarea textului
- Înțelegerea sarcinii de rezumare a textului și a aplicațiilor sale
- Utilizarea unui LLM pentru rezumarea extractivă și abstractivă a textului
- Evaluarea calității rezumatelor generate utilizând metrici precum ROUGE, BLEU etc.
Răspunsul la întrebări
- Înțelegerea sarcinii de răspuns la întrebări și aplicațiile sale
- Utilizarea unui LLM pentru răspunsul la întrebări în domenii deschise și închise
- Evaluarea acurateței răspunsurilor generate utilizând metrici precum F1, EM etc.
Generarea textului
- Înțelegerea sarcinii de generare a textului și a aplicațiilor sale
- Utilizarea unui LLM pentru generarea de texte condiționate și necondiționate
- Controlul stilului, tonului și conținutului textelor generate utilizând parametri precum temperatura, top-k, top-p etc.
Integrarea LLM-urilor cu alte cadre și platforme
- Utilizarea LLM-urilor cu PyTorch sau TensorFlow
- Utilizarea LLM-urilor cu Flask sau Streamlit
- Utilizarea LLM-urilor cu Google Cloud sau AWS
Rezolvarea problemelor
- Înțelegerea erorilor și a bug-urilor comune în LLM-uri
- Utilizarea TensorBoard pentru a monitoriza și vizualiza procesul de formare
- Utilizarea PyTorch Lightning pentru a simplifica codul de formare și a îmbunătăți performanța
- Utilizarea seturilor de date Hugging Face pentru încărcarea și preprocesarea datelor
Rezumat și pași următori
Cerințe
- O înțelegere a procesării limbajului natural și a învățării profunde
- Experiență cu Python și PyTorch sau TensorFlow
- Experiență de bază în programare
Audiență
- Dezvoltatori
- Pasionați de NLP
- Oameni de știință în domeniul datelor
14 ore
