课程大纲

生成式 AI 简介

  • 什么是生成式人工智能,为什么它很重要?
  • 生成式人工智能的主要类型和技术
  • 生成式 AI 的主要挑战和局限性

Transformer 架构和 LLM

  • 什么是变压器,它是如何工作的?
  • 变压器的主要部件及特点
  • 使用 transformer 构建 LLM

缩放定律和优化

  • 什么是缩放定律,为什么它们对 LLM 很重要?
  • 缩放法则与模型大小、数据大小、计算预算和推理要求有何关系?
  • 缩放定律如何帮助优化 LLM 的性能和效率?

训练和微调 LLM

  • 从头开始培训LLM的主要步骤和挑战
  • 针对特定任务微调 LLM 的优缺点
  • 训练和微调 LLM 的最佳实践和工具

部署和使用 LLM

  • 在生产环境中部署 LLM 的主要考虑因素和挑战
  • LLM在各个领域和行业的常见用例和应用
  • 将 LLM 与其他 AI 系统和平台集成

生成式人工智能的伦理与未来

  • 生成式人工智能和LLM的伦理和社会影响
  • 生成式 AI 和 LLM 的潜在风险和危害,例如偏见、错误信息和操纵
  • 负责任和有益地使用生成式 AI 和 LLM

摘要和后续步骤

要求

    了解机器学习概念,例如监督学习和无监督学习、损失函数和数据拆分 具有 Python 编程和数据操作的经验 神经网络和自然语言处理的基础知识

观众

    开发 人员 机器学习爱好者
 21 小时

客户评论 (7)

即将举行的公开课程

课程分类