Small Language Models (SLMs) for Domain-Specific Applications 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 várostervezőknek, városadminisztrátoroknak és intelligens városi megoldásfejlesztőknek szól, akik a Small Language Models (SLMs)-t szeretnék megvalósítani az intelligens városi projektekben a városi életminőség javítása érdekében.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az SLM-ek alkalmazását az okos városokban.
• Integrálja az SLM-eket városi adatkészletekkel a jobb döntéshozatal érdekében.
• Stratégiák kidolgozása az SLM-ek városirányítási rendszerekben való alkalmazására.
• Értékelje az SLM-ek hatását a várostervezésre és az intelligens városi megoldásokra.

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.