聯繫我們

課程簡介

生成式 AI 簡介

  • 什麼是生成式 AI,為何它很重要?
  • 生成式 AI 的主要類型與技術
  • 生成式 AI 的關鍵挑戰與限制

轉譯器架構與 LLMs

  • 什麼是轉譯器,它是如何運作的?
  • 轉譯器的主要組件與特色
  • 如何利用轉譯器構建 LLMs

擴展律與優化

  • 什麼是擴展律,它為何對 LLMs 很重要?
  • 擴展律如何與模型規模、資料量、運算預算和推論需求相關?
  • 如何利用擴展律來優化 LLMs 的效能與效率?

LLMs 的訓練與微調

  • 從頭開始訓練 LLMs 的主要步驟與挑戰
  • 為特定任務對 LLMs 進行微調的好處與缺點
  • 訓練和微調 LLMs 的最佳實踐與工具

LLMs 的部署與應用

  • 在生產環境中部署 LLMs 的主要考量與挑戰
  • LLMs 在各個領域和產業中的常見用例與應用
  • 將 LLMs 與其他 AI 系統和平台整合

生成式 AI 的倫理與未來

  • 生成式 AI 和 LLMs 的倫理與社會影響
  • 生成式 AI 和 LLMs 的潛在風險與危害,例如偏見、誤導資訊和操縱
  • 負責任且有益地運用生成式 AI 和 LLMs

總結與下一步

最低要求

  • 具備機器學習概念的知識,例如監督學習與非監督學習、損失函數及資料分割。
  • 具有 Python 程式設計與資料操作的經驗。
  • 基本的神經網路和自然語言處理知識。

適用對象

  • 開發者
  • 機器學習愛好者
 21 小時

人數


每位參與者的報價

客戶評論 (7)

即將到來的課程

課程分類