Large language models for text generation

Kód kurzu: MLLLMTG

Tento kurz je určen pro všechny, kteří jsou fascinovaní schopnostmi velkých jazykových modelů a generativní umělé inteligence, a chtějí proniknout do této problematiky než jen na úrovni běžného uživatele. Společně se seznámíme s transformery, základním stavebním moderních jazykových modelů, představíme si nejznámější architektury a ukážeme si, jak se velké jazykové modely dají použít pro různé aplikace. K praktickým cvičením není nutný žádný placený účet třetích stran. Budeme používat open source modely, které jsou při správném způsobu použití stejně dobré jako ty největší komerční modely.

4 990 Kč

6 038 Kč s DPH

Nejbližší termín od 25.06.2024

Výběr termínů

Odborní
certifikovaní lektoři

Mezinárodně
uznávané certifikace

Široká nabídka technických
a soft skills kurzů

Skvělý zákaznický
servis

Přizpůsobení kurzů
přesně na míru

Termíny kurzu

Počáteční datum: 25.06.2024

Forma: Prezenční/Virtuální

Délka kurzu: 1 den

Jazyk: cz/sk

Cena bez DPH: 4 990 Kč

Registrovat

Počáteční datum: Na vyžádání

Forma: Prezenční/Virtuální

Délka kurzu: 1 den

Jazyk: en/cz

Cena bez DPH: 4 990 Kč

Registrovat

Počáteční
datum
Místo
konání
Forma Délka
kurzu
Jazyk Cena bez DPH
25.06.2024 Prezenční/Virtuální 1 den cz/sk 4 990 Kč Registrovat
Na vyžádání Prezenční/Virtuální 1 den en/cz 4 990 Kč Registrovat
G Garantovaný kurz

Nenašli jste vhodný termín?

Napište nám o vypsání alternativního termínu na míru.

Kontakt

Struktura kurzu

  • Generativní umělá inteligence pro text a obrázky
  • Evoluce jazykového modelování
  • Transformery
  • Typy transformerů pro jazykové modelování (encoder, decoder, encoder-decoder)
  • Posilované učení s lidskou zpětnou vazbou (RLHF)
  • Vybrané modely pro jazykové modelování založené na transformerech (BERT, GPT, LLAMA, T5, BART…)
  • Praktický příklad na klasifikaci textů pomocí transformerů s využitím knihovny HuggingFace v prostředí Google Colab
  • Prompt engineering: in-context learning, zero shot, one shot and few shot prompting, nejdůležitější konfigurační parametry generativních procesů
  • Praktický příklad na in-context learning s využitím knihovny HuggingFace v prostředí Google Colab
  • Fine-tuning velkých jazykových modelů a parameter-efficient fine-tuning (LoRA)
  • Evaluace jazykových generativních modelů (ROUGE, BLEU)
  • Praktický příklad na využití parameter-efficient fine-tuning s využitím knihovny HuggingFace v prostředí Google Colab
  • Retrieval Augmented Generation (RAG)

Předpokládané znalosti

  • Základní znalost programování v Pythonu
  • Znalosti strojového učení na úrovni kurzu Úvod do strojového učení.

Potřebujete poradit nebo upravit kurz na míru?

onas

produktová podpora

Platební brána ComGate Logo MasterCard Logo Visa