Schița de curs

Introducere în LLMs și AI Generativ

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

Utilizarea LLMs pentru Sarcini NLU

  • Analiză de sentimente
  • Recunoașterea entităților denumite
  • Extragerea relațiilor
  • Parsare semantică

Utilizarea LLMs pentru Sarcini NLI

  • Detectarea implicațiilor
  • Detectarea contradicțiilor
  • Detectarea parafrazelor

Utilizarea LLMs pentru Grafuri de Cunoștințe

  • Extragerea faptelor și relațiilor din text
  • Inferarea 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 conversaționali, 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-Learning

  • 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-learning și transfer learning

Utilizarea LLMs pentru Învățare Adversarială

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

Evaluarea LLMs și AI Generativ

  • Evaluarea calității și diversității conținutului
  • Utilizarea metricilor precum inception score, 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 Generativ

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

Rezumat și Pași Următori

Cerințe

  • Înțelegerea conceptelor și terminologiei de bază din domeniul AI
  • Experiență în programare Python și analiză de date
  • Familiaritate cu framework-uri de deep learning precum TensorFlow sau PyTorch
  • Înțelegerea elementelor de bază ale LLMs și a aplicațiilor acestora

Publicul țintă

  • Data scientiști
  • Dezvoltatori AI
  • Pasionați de AI
 21 Ore

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite