课程大纲

LLM 和生成式 AI 简介

  • 探索技术和模型
  • 讨论应用程序和用例
  • 确定挑战和局限性

将 LLM 用于 NLU 任务

  • 情绪分析
  • 命名实体识别
  • 关系提取
  • 语义解析

将 LLM 用于 NLI 任务

  • 蕴涵检测
  • 矛盾检测
  • 释义检测

将 LLM 用于知识图谱

  • 从文本中提取事实和关系
  • 推断缺失或新的事实
  • 将知识图谱用于下游任务

使用 LLM 进行常识推理

  • 生成合理的解释、假设和场景
  • 使用常识性知识库和数据集
  • 评估常识推理

使用 LLM 生成对话

  • 与对话代理、聊天机器人和虚拟助手生成对话
  • 管理对话
  • 使用对话数据集和指标

使用 LLM 进行多模态生成

  • 从文本生成图像
  • 从图像生成文本
  • 从文本或图像生成视频
  • 从文本生成音频
  • 从音频生成文本
  • 从文本或图像生成 3D 模型

使用 LLM 进行元学习

  • 使 LLM 适应新的领域、任务或语言
  • 从小样本或零样本示例中学习
  • 使用元学习和迁移学习数据集和框架

使用 LLM 进行对抗性学习

  • 保护 LLM 免受恶意攻击
  • 检测和减轻 LLM 中的偏差和错误
  • 使用对抗性学习和鲁棒性数据集和方法

评估 LLM 和生成式 AI

  • 评估内容质量和多样性
  • 使用初始分数、Fréchet 初始距离和 BLEU 分数等指标
  • 使用众包和调查等人工评估方法
  • 使用对抗性评估方法,如图灵测试和鉴别器

将伦理原则应用于 LLM 和生成式 AI

  • 确保公平和问责制
  • 避免误用和滥用
  • 尊重内容创作者和消费者的权利和隐私
  • 促进人类和人工智能的创造力和协作

摘要和后续步骤

要求

  • 了解基本的 AI 概念和术语
  • 具有 Python 编程和数据分析经验
  • 熟悉深度学习框架,如 TensorFlow 或 PyTorch
  • 了解 LLM 的基础知识及其应用

观众

  • 数据科学家
  • AI 开发人员
  • 人工智能爱好者
 21 小时

人数



每位参与者的报价

客户评论 (1)

相关课程

LangChain: Building AI-Powered Applications

14 小时

LangChain Fundamentals

14 小时

Hugging Face for Natural Language Processing (NLP)

14 小时

NLP with Python and TextBlob

14 小时

Scaling Data Pipelines with Spark NLP

14 小时

LLMs for Sentiment Analysis

21 小时

Natural Language Processing (NLP)

21 小时

Introduction to Google Gemini AI

14 小时

Google Gemini AI for Content Creation

14 小时

Google Gemini AI for Transformative Customer Service

14 小时

Google Gemini AI for Data Analysis

21 小时

Generative AI with Large Language Models (LLMs)

21 小时

LlamaIndex: Enhancing Contextual AI

14 小时

LlamaIndex: Developing LLM Powered Applications

42 小时

Introduction to Large Language Models (LLMs)

14 小时

课程分类