課程簡介

生成式AI簡介

  • 什麼是生成式AI?爲何重要?
  • 生成式AI的主要類型和技術
  • 生成式AI的關鍵挑戰與侷限

Transformer架構與LLMs

  • 什麼是Transformer?它是如何工作的?
  • Transformer的主要組件和特性
  • 使用Transformer構建LLMs

縮放法則與優化

  • 什麼是縮放法則?爲何對LLMs重要?
  • 縮放法則如何與模型大小、數據大小、計算預算和推理需求相關?
  • 縮放法則如何幫助優化LLMs的性能和效率?

訓練與微調LLMs

  • 從頭開始訓練LLMs的主要步驟和挑戰
  • 針對特定任務微調LLMs的優缺點
  • 訓練和微調LLMs的最佳實踐與工具

部署與使用LLMs

  • 在生產環境中部署LLMs的主要考慮與挑戰
  • LLMs在各個領域和行業中的常見用例和應用
  • 將LLMs與其他AI系統和平臺集成

生成式AI的倫理與未來

  • 生成式AI與LLMs的倫理和社會影響
  • 生成式AI與LLMs的潛在風險與危害,如偏見、錯誤信息和操縱
  • 負責任且有益地使用生成式AI與LLMs

總結與下一步

最低要求

  • 瞭解機器學習概念,如監督學習和無監督學習、損失函數和數據分割。
  • 具備Python編程和數據處理經驗。
  • 具備神經網絡和自然語言處理的基礎知識。

受衆

  • 開發者
  • 機器學習愛好者
 21 時間:

人數


每位參與者的價格

客戶評論 (7)

即將到來的課程

課程分類