Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés az LLM-be és a generatív AI-ba
- Technikák és modellek feltárása
- Alkalmazások és felhasználási esetek megvitatása
- A kihívások és korlátok azonosítása
LLM-ek használata NLU-feladatokhoz
- Érzelemelemzés
- Elnevezett entitás felismerés
- Kapcsolat kinyerése
- Szemantikai elemzés
LLM-ek használata NLI-feladatokhoz
- Következmény észlelése
- Ellentmondás-felismerés
- Parafrázis-felismerés
LLM-ek használata tudásgráfokhoz
- Tények és összefüggések kiemelése szövegből
- Hiányzó vagy új tényekre következtetni
- Tudásgráfok használata a későbbi feladatokhoz
LLM-ek használata közérthető érveléshez
- Valószínű magyarázatok, hipotézisek és forgatókönyvek generálása
- Közös értelmű tudásbázisok és adatkészletek használata
- A józan ész érvelésének értékelése
LLM-ek használata a párbeszédgeneráláshoz
- Párbeszédek generálása beszélgetőpartnerekkel, chatbotokkal és virtuális asszisztensekkel
- Párbeszédek kezelése
- Dialógus adatkészletek és metrikák használata
LLM-ek használata a multimodális generáláshoz
- Képek generálása szövegből
- Szöveg generálása képekből
- Videók létrehozása szövegből vagy képekből
- Hang generálása szövegből
- Szöveg generálása hangból
- 3D modellek generálása szövegből vagy képekből
LLM-ek használata metatanuláshoz
- LLM-ek adaptálása új tartományokhoz, feladatokhoz vagy nyelvekhez
- Tanulás néhány vagy nullás példából
- Meta-learning használata és tanulási adatkészletek és keretrendszerek átvitele
LLM-ek használata az ellenséges tanuláshoz
- Az LLM-ek védelme a rosszindulatú támadásoktól
- Torzítások és hibák észlelése és enyhítése az LLM-ekben
- Kondenciális tanulási és robusztussági adatkészletek és módszerek használata
Az LLM-ek és a generatív AI értékelése
- A tartalom minőségének és sokszínűségének értékelése
- Olyan mutatók használatával, mint a kezdőpontszám, a Fréchet-kezdési távolság és a BLEU-pontszám
- Emberi értékelési módszerek, például közösségi beszerzés és felmérések használata
- Kondenciális értékelési módszerek, például Turing-tesztek és diszkriminátorok használata
Etikai elvek alkalmazása az LLM-ekre és a generatív mesterséges intelligenciára
- A méltányosság és az elszámoltathatóság biztosítása
- A visszaélések és visszaélések elkerülése
- A tartalomkészítők és fogyasztók jogainak és magánéletének tiszteletben tartása
- Az ember és a mesterséges intelligencia kreativitásának és együttműködésének elősegítése
Összegzés és a következő lépések
Követelmények
- Az alapvető AI-fogalmak és terminológia megértése
- Python programozásban és adatelemzésben szerzett tapasztalat
- A mély tanulási keretrendszerek ismerete, például TensorFlow vagy PyTorch
- Az LLM-ek és alkalmazásaik alapjainak megértése
Közönség
- Adattudósok
- AI fejlesztők
- AI-rajongók
21 Órák
