课程大纲

生成式人工智能简介

  • 什么是生成式人工智能,为什么它重要?
  • 生成式人工智能的主要类型和技术。
  • 生成式人工智能的关键挑战和局限性。

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。

缩放定律与优化

  • 什么是缩放定律,为什么它对LLMs重要?
  • 缩放定律如何与模型大小、数据大小、计算预算和推理需求相关?
  • 缩放定律如何帮助优化LLMs的性能和效率?

训练与微调LLMs

  • 从零开始训练LLMs的主要步骤和挑战。
  • 为特定任务微调LLMs的优缺点。
  • 训练和微调LLMs的最佳实践和工具。

部署与使用LLMs

  • 在生产环境中部署LLMs的主要考虑和挑战。
  • LLMs在各个领域和行业中的常见用例和应用。
  • 将LLMs与其他人工智能系统和平台集成。

生成式人工智能的伦理与未来

  • 生成式人工智能与LLMs的伦理和社会影响。
  • 生成式人工智能与LLMs的潜在风险和危害,如偏见、错误信息和操纵。
  • 负责任且有益地使用生成式人工智能与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。
  • 基本了解神经网络和自然语言处理。

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