План на курса

Въведение в малки езикови модели (SLM)

  • Преглед на езиковите модели
  • Еволюция от големи към малки езикови модели
  • Архитектура и дизайн на SLM
  • Предимства и ограничения на SLM

Технически основи

  • Разбиране на невронни мрежи и параметри
  • Процеси на обучение за SLMs
  • Изисквания към данните и оптимизация на модела
  • Метрики за оценка на езикови модели

SLM в обработката на естествен език

  • Генериране на текст с SLM
  • Езиков превод и локализация
  • Анализ на настроението и класификация на текста
  • Отговори на въпроси и чатботове

Реални приложения на SLM

  • Мобилни приложения: Езикова обработка на устройството
  • Вградени системи: SLM в IoT устройства
  • AI за запазване на поверителността: Локална обработка на данни
  • Гранични изчисления: SLM в среди с ниска латентност

Казуси от практиката

  • Анализиране на успешни внедрявания на SLM
  • Специфични за индустрията приложения (здравеопазване, Finance и др.)
  • Сравнително проучване: SLM срещу големи модели в производство

Бъдещи насоки

  • Изследователски тенденции в SLMs
  • Предизвикателства при мащабирането и внедряването
  • Етични съображения и отговорен AI
  • Пътят напред: следващо поколение SLM

Практически семинари

  • Изграждане на прост SLM за генериране на текст
  • Интегриране на SLM в мобилни приложения
  • Фина настройка на SLM за конкретни задачи
  • Анализ на ефективността и интерпретируемост на модела

Проект Capstone

  • Идентифициране на проблемно пространство за приложение на SLM
  • Проектиране и внедряване на SLM решение
  • Тестване и повторение на модела
  • Представяне на проекта и резултатите

Обобщение и следващи стъпки

Изисквания

  • Основно разбиране на концепциите за машинно обучение
  • Познаване на Python програмиране
  • Познания за невронни мрежи и дълбоко обучение

Публика

  • Учени по данни
  • Разработчици на софтуер
  • AI ентусиасти
 14 Часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории