Intrati in legatura

Schița de curs

Introducere în LLMs și AI Generativă

  • Explorarea tehnicilor și modelelor
  • Discutarea aplicațiilor și cazurilor de utilizare
  • Identificarea provocărilor și limitărilor

Utilizarea LLMs pentru Sarcini de NLU

  • Analiza sentimentelor
  • Recunoașterea entităților denumite
  • Extragerea relațiilor
  • Parsare semantică

Utilizarea LLMs pentru Sarcini de NLI

  • Detectarea implicațiilor
  • Detectarea contradicțiilor
  • Detectarea parafrazelor

Utilizarea LLMs pentru Grafuri de Cunoștințe

  • Extragerea faptelor și relațiilor din text
  • Inferența faptelor lipsă sau noi
  • Utilizarea grafurilor de cunoștințe pentru sarcini ulterioare

Utilizarea LLMs pentru Raționament de Bun-Simț

  • Generarea de explicații, ipoteze și scenarii plauzibile
  • Utilizarea bazelor de cunoștințe și seturilor de date de bun-simț
  • Evaluarea raționamentului de bun-simț

Utilizarea LLMs pentru Generarea Dialogurilor

  • Generarea dialogurilor cu agenți de conversație, roboți de chat și asistenți virtuali
  • Gestionarea dialogurilor
  • Utilizarea seturilor de date și metricilor pentru dialoguri

Utilizarea LLMs pentru Generarea Multimodală

  • Generarea de imagini din text
  • Generarea de text din imagini
  • Generarea de videoclipuri din text sau imagini
  • Generarea de audio din text
  • Generarea de text din audio
  • Generarea de modele 3D din text sau imagini

Utilizarea LLMs pentru Meta-Învățare

  • Adaptarea LLMs la noi domenii, sarcini sau limbi
  • Învățarea din exemple few-shot sau zero-shot
  • Utilizarea seturilor de date și framework-urilor de meta-învățare și transfer de cunoștințe

Utilizarea LLMs pentru Învățare Adversarială

  • Apărarea LLMs împotriva atacurilor malitioase
  • Detectarea și atenuarea prejudecăților și erorilor în LLMs
  • Utilizarea seturilor de date și metodelor de învățare adversarială și robustețe

Evaluarea LLMs și AI Generative

  • Evaluarea calității și diversității conținutului
  • Utilizarea metricilor precum scorul inception, distanța Fréchet inception și scorul BLEU
  • Utilizarea metodelor de evaluare umană precum crowdsourcing și sondaje
  • Utilizarea metodelor de evaluare adversarială precum testele Turing și discriminatoarele

Aplicarea Principiilor Etici pentru LLMs și AI Generativă

  • Asigurarea corectitudinii și responsabilității
  • Evitarea utilizării greșite și abuzului
  • Respectarea drepturilor și confidențialității creatorilor și consumatorilor de conținut
  • Promovarea creativității și colaborării dintre oameni și IA

Rezumat și Pași Următori

Cerințe

  • O înțelegere a conceptelor și terminologiei de bază din IA
  • Experiență în programarea Python și analiza datelor
  • Familiaritate cu framework-uri de învățare profundă, cum ar fi TensorFlow sau PyTorch
  • O înțelegere a elementelor de bază ale LLMs și a aplicațiilor acestora

Publicul țintă

  • Specialiști în date
  • Dezvoltatori de IA
  • Pasionați de IA
 21 Ore

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite