Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Въведение в LLMs и Generative AI
- Проучване на техники и модели
- Обсъждане на приложения и случаи на използване
- Идентифициране на предизвикателства и ограничения
Използване на LLMs за NLU задачи
- Анализ на настроението
- Разпознаване на именуван обект
- Извличане на релация
- Семантичен анализ
Използване на LLMs за NLI задачи
- Откриване на намеса
- Откриване на противоречия
- Откриване на парафрази
Използване на LLM за Графи на знанието
- Извличане на факти и отношения от текст
- Извеждане на липсващи или нови факти
- Използване на графики на знания за задачи надолу по веригата
Използване на LLMs за разумно разсъждение
- Генериране на правдоподобни обяснения, хипотези и сценарии
- Използване на разумни бази от знания и набори от данни
- Оценяване на разумни разсъждения
Използване на LLMs за генериране на диалог
- Генериране на диалози с разговорни агенти, чатботове и виртуални асистенти
- Управление на диалози
- Използване на диалогови набори от данни и показатели
Използване на LLM за мултимодално генериране
- Генериране на изображения от текст
- Генериране на текст от изображения
- Генериране на видеоклипове от текст или изображения
- Генериране на звук от текст
- Генериране на текст от аудио
- Генериране на 3D модели от текст или изображения
Използване на LLM за мета-обучение
- Адаптиране на LLM към нови домейни, задачи или езици
- Учене от няколко или нулеви примери
- Използване на набори от данни и рамки за метаобучение и трансфер на обучение
Използване на LLM за състезателно обучение
- Защита на LLM от злонамерени атаки
- Откриване и смекчаване на отклонения и грешки в LLM
- Използване на набори от данни и методи за състезателно обучение и устойчивост
Оценяване на LLMs и Generative AI
- Оценяване на качеството и разнообразието на съдържанието
- Използване на показатели като начален резултат, начално разстояние на Fréchet и BLEU резултат
- Използване на методи за човешка оценка като краудсорсинг и анкети
- Използване на състезателни методи за оценка като тестове на Тюринг и дискриминатори
Прилагане на етични принципи за LLMs и Generative AI
- Осигуряване на справедливост и отчетност
- Избягване на злоупотреба и злоупотреба
- Зачитане на правата и поверителността на създателите на съдържание и потребителите
- Насърчаване на креативността и сътрудничеството между човека и ИИ
Обобщение и следващи стъпки
Изисквания
- Разбиране на основните концепции и терминология на ИИ
- Опит с Python програмиране и анализ на данни
- Познаване на рамки за дълбоко обучение като TensorFlow или PyTorch
- Разбиране на основите на LLM и техните приложения
Публика
- Учени по данни
- AI разработчици
- AI ентусиасти
21 Часа