Advanced LLMs for NLP Tasks

• 瞭解基本的 AI 概念和術語
• 具有 Python 程式設計和數據分析經驗
• 熟悉深度學習框架，如 TensorFlow 或 PyTorch
• 瞭解 LLM 的基礎知識及其應用

觀眾

• 數據科學家
• AI 開發人員
• 人工智慧愛好者

大型語言模型 （LLM） 是可以處理和生成大量自然語言數據（如文本、語音和音訊）的 AI 模型。LLM 可以學習其輸入訓練數據的模式和結構，然後生成具有相似特徵的新數據。LLM 還可以執行各種自然語言處理 （NLP） 任務，例如自然語言理解 （NLU）、自然語言推理 （NLI）、知識圖譜構建和完成、常識推理、對話生成和管理以及多模態生成和理解。

這種由講師指導的現場培訓（在線或遠端）面向希望使用 LLM 執行各種 NLP 任務併為不同目的創建新穎多樣內容的中級數據科學家、AI 開發人員和 AI 愛好者。

在培訓結束時，參與者將能夠：

• 使用 LLM 和基本工具建立開發環境。
• 使用 LLM 熟練地執行 NLU 和 NLI 任務。
• 有效地提取、推斷和利用知識圖譜。
• 使用 LLM 為對話應用程式生成和管理對話。
• 評估 LLM 和生成式 AI 生成的內容品質和多樣性。
• 應用道德原則，確保公平和負責任地使用法學碩士。

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。

課程定製選項

• 如需申請本課程的定製培訓，請聯繫我們安排。

LLM 和生成式 AI 簡介

• 探索技術和模型
• 討論應用程式和用例
• 確定挑戰和局限性

將 LLM 用於 NLU 任務

• 情緒分析
• 命名實體識別
• 關係提取
• 語義解析

將 LLM 用於 NLI 任務

• 蘊涵檢測
• 矛盾檢測
• 釋義檢測

將 LLM 用於知識圖譜

• 從文本中提取事實和關係
• 推斷缺失或新的事實
• 將知識圖譜用於下游任務

使用 LLM 進行常識推理

• 生成合理的解釋、假設和場景
• 使用常識性知識庫和數據集
• 評估常識推理

使用 LLM 產生對話

• 與對話代理、聊天機器人和虛擬助手生成對話
• 管理對話
• 使用對話數據集和指標

使用 LLM 進行多模態生成

• 從文字生成圖像
• 從圖像生成文字
• 從文字或圖像生成視頻
• 從文字生成音訊
• 從音訊生成文字
• 從文字或圖像生成 3D 模型

使用 LLM 進行元學習

• 使 LLM 適應新的領域、任務或語言
• 從小樣本或零樣本示例中學習
• 使用元學習和遷移學習數據集和框架

使用 LLM 進行對抗性學習

• 保護 LLM 免受惡意攻擊
• 檢測和減輕 LLM 中的偏差和錯誤
• 使用對抗性學習和魯棒性數據集和方法

評估 LLM 和生成式 AI

• 評估內容品質和多樣性
• 使用初始分數、Fréchet 初始距離和 BLEU 分數等指標
• 使用眾包和調查等人工評估方法
• 使用對抗性評估方法，如圖靈測試和鑒別器

將倫理原則應用於 LLM 和生成式 AI

• 確保公平和問責制
• 避免誤用和濫用
• 尊重內容創作者和消費者的權利和隱私
• 促進人類和人工智慧的創造力和協作

摘要和後續步驟