Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Schița de curs
Introducere
- Ce sunt Large Language Models (LLMs)?
- LLM-uri vs. modele NLP tradiționale
- Prezentare generală a caracteristicilor și arhitecturii LLM-urilor
- Provocări și limitări ale LLM-urilor
Înțelegerea LLMs
- Ciclul de viață al unui LLM
- Cum funcționează LLM-urile
- Principalele componente ale unui LLM: codificator, decodificator, atenție, încorporări etc.
Noțiuni introductive
- Configurarea mediului de dezvoltare
- Instalarea unui LLM ca instrument de dezvoltare, de exemplu, Google Colab, Hugging Face
Lucrul cu LLMs
- Explorarea opțiunilor LLM disponibile
- Crearea și utilizarea unui LLM
- Reglarea fină a unui LLM pe un set de date personalizat
Rezumarea textului
- Înțelegerea sarcinii de rezumare a textului și a aplicațiilor sale
- Utilizarea unui LLM pentru rezumarea extractivă și abstractivă a textelor
- Evaluarea calității rezumatelor generate utilizând metrici precum ROUGE, BLEU etc.
Răspunsuri la întrebări
- Înțelegerea sarcinii de răspuns la întrebări și a aplicațiilor sale
- Utilizarea unui LLM pentru răspunsul la întrebări în domenii deschise și închise
- Evaluarea acurateței răspunsurilor generate utilizând parametri precum F1, EM etc.
Generarea de text
- Înțelegerea sarcinii de generare de text și a aplicațiilor sale
- Utilizarea unui LLM pentru generarea condiționată și necondiționată de texte
- Controlul stilului, tonului și conținutului textelor generate, utilizând parametri precum temperatura, top-k, top-p etc.
Integrarea LLM-urilor cu alte cadre și platforme
- Utilizarea LLM-urilor cu PyTorch sau TensorFlow
- Utilizarea LLM-urilor cu Flask sau Streamlit
- Utilizarea LLM-urilor cu Google Cloud sau AWS
Depanare
- Înțelegerea erorilor și a erorilor comune din LLM-uri
- Utilizarea TensorBoard pentru a monitoriza și vizualiza procesul de instruire
- Utilizarea PyTorch Lightning pentru a simplifica codul de instruire și a îmbunătăți performanța
- Utilizarea seturilor de date Hugging Face pentru a încărca și preprocesa datele
Rezumat și etapele următoare
Cerințe
-
O înțelegere a procesării limbajului natural și a învățării profunde
Experiență cu Python și PyTorch sau TensorFlow
Experiență de programare de bază
Audiență
-
Dezvoltatorii
Entuziaști NLP
Oameni de știință de date
14 ore
