Generative AI with Large Language Models (LLMs)

了解機器學習概念，例如監督學習和無監督學習、損失函數和數據拆分 具有 Python 程式設計和數據操作的經驗 神經網路和自然語言處理的基礎知識

觀眾

開發人員 機器學習愛好者

生成式 AI 是一種可以創建文字、圖像、音樂和代碼等原創內容的 AI。大型語言模型 （LLM） 是強大的神經網路，可以處理和生成自然語言。 

這種以講師為主導的現場培訓（現場或遠端）面向希望學習如何將生成式AI與LLM用於各種任務和領域的中級開發人員。

在培訓結束時，參與者將能夠：

• 解釋什麼是生成式 AI 及其工作原理。
• 描述支援 LLM 的 transformer 架構。
• 使用經驗縮放定律針對不同的任務和約束優化 LLM。
• 應用最先進的工具和方法來訓練、微調和部署 LLM。
• 討論生成式人工智慧給社會和企業帶來的機遇和風險。

課程形式

• 互動講座和討論。
• 大量的練習和練習。
• 在現場實驗室環境中動手實施。

課程自定義選項

• 如需申請本課程的定製培訓，請聯繫我們進行安排。

生成式 AI 簡介

• 什麼是生成式人工智慧，為什麼它很重要？
• 生成式人工智慧的主要類型和技術
• 生成式 AI 的主要挑戰和局限性

Transformer 架構和 LLM

• 什麼是變壓器，它是如何工作的？
• 變壓器的主要部件及特點
• 使用 transformer 構建 LLM

縮放定律和優化

• 什麼是縮放定律，為什麼它們對 LLM 很重要？
• 縮放法則與模型大小、數據大小、計算預算和推理要求有何關係？
• 縮放定律如何幫助優化 LLM 的性能和效率？

訓練和微調 LLM

• 從頭開始培訓LLM的主要步驟和挑戰
• 針對特定任務微調 LLM 的優缺點
• 訓練和微調 LLM 的最佳實踐和工具

部署和使用 LLM

• 在生產環境中部署 LLM 的主要考慮因素和挑戰
• LLM在各個領域和行業的常見用例和應用
• 將 LLM 與其他 AI 系統和平臺整合

生成式人工智慧的倫理與未來

• 生成式人工智慧和LLM的倫理和社會影響
• 生成式 AI 和 LLM 的潛在風險和危害，例如偏見、錯誤資訊和操縱
• 負責任和有益地使用生成式 AI 和 LLM

摘要和後續步驟