SLMs for Smart Cities: Urban Planning and Management with AI Képzés

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) kezdő és középszintű adattudósoknak és fejlesztőknek szól, akik szeretnék megvalósítani és hasznosítani a kis nyelvi modelleket különböző alkalmazásokban.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a kis nyelvi modellek architektúráját és funkcióit.
• SLM-ek megvalósítása olyan feladatokhoz, mint a szöveggenerálás és a hangulatelemzés.
• Optimalizálja és finomhangolja az SLM-eket meghatározott felhasználási esetekre.
• Telepítse az SLM-eket erőforrás-korlátozott környezetekben.
• Értékelje és értelmezze az SLM-ek teljesítményét valós forgatókönyvekben.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű oktatástechnológusoknak, oktatási tervezőknek és AI-fejlesztőknek szól az oktatásban, akik a Small Language Models (SLMs)-t szeretnék integrálni oktatási platformokba a tanítási és tanulási folyamatok javítása érdekében.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az SLM-ek szerepét az oktatástechnológiában.
• AI-vezérelt tanulási tapasztalatok tervezése SLM-ek segítségével.
• Valósítsa meg az SLM-eket különböző oktatási körülmények között.
• Értékelje az SLM-ek hatékonyságát a tanulási eredményekben.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű adattudósoknak és gépi tanulási mérnököknek szól, akik olyan kis nyelvi modelleket szeretnének létrehozni és alkalmazni, amelyek speciális területekre, például jogi, orvosi és műszaki területekre vannak szabva. .

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a tartomány-specifikus nyelvi modellek fontosságát és alkalmazását.
• Speciális adatkészletek összegyűjtése és előfeldolgozása a modellképzéshez.
• Nyelvi modellek betanítása és finomhangolása tartományspecifikus alkalmazásokhoz.
• A modellek értékelése és összehasonlítása domainreleváns mutatók segítségével.
• Tartományspecifikus nyelvi modellek telepítése valós helyzetekben.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) haladó szintű gépi tanulási mérnököknek és mesterséges intelligenciakutatóknak szól, akik energiahatékony mesterségesintelligencia-megoldásokat szeretnének fejleszteni kis nyelvi modellekkel, amelyek egyszerre hatékonyak és környezetbarátak.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az AI hatását az energiafogyasztásra és a környezetre.
• Alkalmazzon modelltömörítési és -optimalizálási technikákat az AI-modellek méretének és energiafelhasználásának csökkentése érdekében.
• Használjon energiahatékony hardver- és szoftverkeretrendszereket az AI telepítéséhez.
• A fenntartható mesterségesintelligencia-fejlesztés legjobb gyakorlatainak végrehajtása.
• Támogassa és járuljon hozzá a fenntartható gyakorlatokhoz az AI-iparban.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű adattudósoknak, gépi tanulással és mesterséges intelligenciakutatóknak szól, akik vonzó és hatékony mesterségesintelligencia-alapú társalgási élményeket szeretnének létrehozni kis nyelvi modellekkel.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a társalgási AI alapjait és az SLM-ek szerepét.
• Felhasználóközpontú AI interakciók tervezése és megvalósítása.
• SLM-ek fejlesztése és betanítása interaktív alkalmazásokhoz.
• Értékelje és javítsa az ember és a mesterséges intelligencia közötti kommunikáció hatékonyságát megfelelő mérőszámok segítségével.
• Telepítsen méretezhető és etikus, mesterséges intelligencia által vezérelt párbeszédes felületeket valós helyzetekben.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű informatikai szakembereket céloz meg, akik kis nyelvi modelleket kívánnak közvetlenül telepíteni korlátozott feldolgozási képességű eszközökre, lehetőséget nyitva az innovatív alkalmazások számára a különböző szektorokban.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az AI kompakt hardveren történő megvalósításának kihívásait és megoldásait.
• Optimalizálja és tömörítse az AI-modelleket a hatékony eszközön történő telepítés érdekében.
• Használjon modern AI-keretrendszereket és eszközöket a modellek eszközön történő megvalósításához.
• Valós idejű AI-alkalmazások tervezése és fejlesztése mobil- és IoT-eszközökhöz.
• Értékelje és biztosítsa az eszközön lévő AI-rendszerek biztonságát és adatvédelmét.