Kursplan

Introduksjon

  • Hva er Large Language Models (LLMs)?
  • LLM-er vs tradisjonelle NLP-modeller
  • Oversikt over LLMs funksjoner og arkitektur
  • Utfordringer og begrensninger ved LLM

Forstå LLM-er

  • Livssyklusen til en LLM
  • Hvordan LLM-er fungerer
  • Hovedkomponentene i en LLM: koder, dekoder, oppmerksomhet, innebygging, etc.

Komme i gang

  • Sette opp utviklingsmiljøet
  • Installere en LLM som et utviklingsverktøy, f.eks. Google Colab, Hugging Face

Arbeide med LLM-er

  • Utforsker tilgjengelige LLM-alternativer
  • Opprette og bruke en LLM
  • Finjustering av en LLM på et tilpasset datasett

Tekstoppsummering

  • Forstå oppgaven med tekstoppsummering og dens anvendelser
  • Bruke en LLM for ekstraktiv og abstrakt tekstoppsummering
  • Evaluering av kvaliteten på de genererte sammendragene ved hjelp av beregninger som ROUGE, BLEU, etc.

Spørsmål svar

  • Forstå oppgaven med å besvare spørsmål og dens anvendelser
  • Bruke en LLM for å besvare spørsmål med åpent domene og lukket domene
  • Evaluering av nøyaktigheten til de genererte svarene ved hjelp av beregninger som F1, EM, etc.

Tekstgenerering

  • Forstå oppgaven med tekstgenerering og dens applikasjoner
  • Bruke en LLM for betinget og ubetinget tekstgenerering
  • Kontrollere stilen, tonen og innholdet i de genererte tekstene ved hjelp av parametere som temperatur, topp-k, topp-p, etc.

Integrering av LLM-er med andre rammer og plattformer

  • Bruke LLM med PyTorch eller TensorFlow
  • Bruke LLM-er med Flask eller Streamlit
  • Bruke LLM-er med Google Cloud eller AWS

Feilsøking

  • Forstå de vanlige feilene og feilene i LLM-er
  • Bruk av TensorBoard til å overvåke og visualisere opplæringsprosessen
  • Bruker PyTorch Lightning for å forenkle treningskoden og forbedre ytelsen
  • Bruke Hugging Face Datasett for å laste og forhåndsbehandle dataene

Sammendrag og neste trinn

Krav

  • En forståelse av naturlig språkbehandling og dyp læring
  • Erfaring med Python og PyTorch eller TensorFlow
  • Grunnleggende erfaring med programmering

Publikum

  • Utviklere
  • NLP-entusiaster
  • Dataforskere
 14 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories