课程大纲

生成式AI简介

  • 什么是生成式AI?为何重要?
  • 生成式AI的主要类型和技术
  • 生成式AI的关键挑战与局限

Transformer架构与LLMs

  • 什么是Transformer?它是如何工作的?
  • Transformer的主要组件和特性
  • 使用Transformer构建LLMs

缩放法则与优化

  • 什么是缩放法则?为何对LLMs重要?
  • 缩放法则如何与模型大小、数据大小、计算预算和推理需求相关?
  • 缩放法则如何帮助优化LLMs的性能和效率?

训练与微调LLMs

  • 从头开始训练LLMs的主要步骤和挑战
  • 针对特定任务微调LLMs的优缺点
  • 训练和微调LLMs的最佳实践与工具

部署与使用LLMs

  • 在生产环境中部署LLMs的主要考虑与挑战
  • LLMs在各个领域和行业中的常见用例和应用
  • 将LLMs与其他AI系统和平台集成

生成式AI的伦理与未来

  • 生成式AI与LLMs的伦理和社会影响
  • 生成式AI与LLMs的潜在风险与危害,如偏见、错误信息和操纵
  • 负责任且有益地使用生成式AI与LLMs

总结与下一步

要求

  • 了解机器学习概念,如监督学习和无监督学习、损失函数和数据分割。
  • 具备Python编程和数据处理经验。
  • 具备神经网络和自然语言处理的基础知识。

受众

  • 开发者
  • 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