Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Schița de curs
Introducere în LLM-uri și inteligența artificială generativă
- Explorarea tehnicilor și modelelor
- Discutarea aplicațiilor și a cazurilor de utilizare
- Identificarea provocărilor și a limitărilor
Utilizarea LLM-urilor pentru sarcini NLU
- Analiza sentimentelor
- Recunoașterea entităților numite
- Extragerea relațiilor
- Analiza semantică
Utilizarea LLM-urilor pentru sarcini NLI
- Detectarea de implicare
- Detectarea contradicțiilor
- Detectarea parafrazei
Utilizarea LLM-urilor pentru grafurile de cunoștințe
- Extragerea faptelor și a relațiilor din text
- Deducerea faptelor noi sau lipsă
- Utilizarea grafurilor de cunoștințe pentru sarcini în aval
Utilizarea LLM-urilor pentru raționamentul de bun simț
- Generarea de explicații, ipoteze și scenarii plauzibile
- Utilizarea bazelor de cunoștințe de bun simț și a seturilor de date
- Evaluarea raționamentului de bun simț
Utilizarea LLM-urilor pentru generarea de dialoguri
- Generarea de dialoguri cu agenți de conversație, chatbots și asistenți virtuali
- Gestionarea dialogurilor
- Utilizarea seturilor de date și a măsurătorilor de dialog
Utilizarea LLM-urilor pentru generarea multimodală
- Generarea de imagini din text
- Generarea de text din imagini
- Generarea de videoclipuri din text sau imagini
- Generarea de sunet din text
- Generarea de text din audio
- Generarea de modele 3D din text sau imagini
Utilizarea LLM-urilor pentru meta-învățare
- Adaptarea LLM-urilor la noi domenii, sarcini sau limbaje
- Învățarea pe baza unor exemple cu puține sau zero fotografii
- Utilizarea seturilor de date și a cadrelor de metaînvățare și de învățare prin transfer
Utilizarea LLM-urilor pentru învățarea adversă
- Apărarea LLM-urilor împotriva atacurilor rău intenționate
- Detectarea și atenuarea prejudecăților și a erorilor din LLM-uri
- Utilizarea seturilor de date și a metodelor de învățare adversă și de robustețe
Evaluarea LLM-urilor și a inteligenței artificiale generative
- Evaluarea calității și diversității conținutului
- Utilizarea unor metrici precum scorul de inițiere, distanța de inițiere Fréchet și scorul BLEU
- Utilizarea metodelor de evaluare umană, cum ar fi crowdsourcing și sondaje
- Utilizarea metodelor de evaluare adversă, cum ar fi testele Turing și discriminatorii
Aplicarea principiilor etice pentru LLM-uri și AI generativă
- Asigurarea corectitudinii și a responsabilității
- Evitarea utilizării necorespunzătoare și a abuzurilor
- Respectarea drepturilor și a vieții private a creatorilor de conținut și a consumatorilor
- Promovarea creativității și a colaborării dintre oameni și IA
Rezumat și etape următoare
Cerințe
- Înțelegerea conceptelor de bază și a terminologiei IA
- Experiență cu programarea Python și analiza datelor
- Familiaritate cu cadrele de învățare profundă, cum ar fi TensorFlow sau PyTorch
- O înțelegere a noțiunilor de bază ale LLM-urilor și a aplicațiilor acestora
Audiență
- Oameni de știință în domeniul datelor
- Dezvoltatorii de inteligență artificială
- Pasionații de inteligență artificială
21 ore
