Generative AI with Large Language Models (LLMs)培訓
生成式 AI 是一種可以創建文字、圖像、音樂和代碼等原創內容的 AI。大型語言模型 (LLM) 是強大的神經網路,可以處理和生成自然語言。
這種以講師為主導的現場培訓(現場或遠端)面向希望學習如何將生成式AI與LLM用於各種任務和領域的中級開發人員。
在培訓結束時,參與者將能夠:
- 解釋什麼是生成式 AI 及其工作原理。
- 描述支援 LLM 的 transformer 架構。
- 使用經驗縮放定律針對不同的任務和約束優化 LLM。
- 應用最先進的工具和方法來訓練、微調和部署 LLM。
- 討論生成式人工智慧給社會和企業帶來的機遇和風險。
課程形式
- 互動講座和討論。
- 大量的練習和練習。
- 在現場實驗室環境中動手實施。
課程自定義選項
- 如需申請本課程的定製培訓,請聯繫我們進行安排。
課程簡介
生成式 AI 簡介
- 什麼是生成式人工智慧,為什麼它很重要?
- 生成式人工智慧的主要類型和技術
- 生成式 AI 的主要挑戰和局限性
Transformer 架構和 LLM
- 什麼是變壓器,它是如何工作的?
- 變壓器的主要部件及特點
- 使用 transformer 構建 LLM
縮放定律和優化
- 什麼是縮放定律,為什麼它們對 LLM 很重要?
- 縮放法則與模型大小、數據大小、計算預算和推理要求有何關係?
- 縮放定律如何幫助優化 LLM 的性能和效率?
訓練和微調 LLM
- 從頭開始培訓LLM的主要步驟和挑戰
- 針對特定任務微調 LLM 的優缺點
- 訓練和微調 LLM 的最佳實踐和工具
部署和使用 LLM
- 在生產環境中部署 LLM 的主要考慮因素和挑戰
- LLM在各個領域和行業的常見用例和應用
- 將 LLM 與其他 AI 系統和平臺整合
生成式人工智慧的倫理與未來
- 生成式人工智慧和LLM的倫理和社會影響
- 生成式 AI 和 LLM 的潛在風險和危害,例如偏見、錯誤資訊和操縱
- 負責任和有益地使用生成式 AI 和 LLM
摘要和後續步驟
最低要求
-
了解機器學習概念,例如監督學習和無監督學習、損失函數和數據拆分
具有 Python 程式設計和數據操作的經驗
神經網路和自然語言處理的基礎知識
觀眾
-
開發人員
機器學習愛好者
需要幫助選擇合適的課程嗎?
Generative AI with Large Language Models (LLMs)培訓 - Booking
Generative AI with Large Language Models (LLMs)培訓 - Enquiry
Generative AI with Large Language Models (LLMs) - 咨詢詢問
相關課程
AI Automation with n8n and LangChain
14 時間:這種以講師為主導的><loc(在線或現場)實時培訓面向希望在不編寫大量代碼的情況下使用 AI 自動化任務和流程的所有技能水準的開發人員和 IT 專業人員。
在培訓結束時,參與者將能夠:
- 使用 n8n 的可視化程式設計介面設計和實現複雜的工作流程。
- 使用 LangChain 將 AI 功能整合到工作流中。
- 為各種用例構建自定義聊天機器人和虛擬助手。
- 使用 AI 代理執行高級數據分析和處理。
LangChain: Building AI-Powered Applications
14 時間:這種由講師指導的澳門(在線或現場)現場培訓面向希望使用LangChain框架構建AI驅動的應用程式的中級開發人員和軟體工程師。
在培訓結束時,參與者將能夠:
- 瞭解LangChain及其元件的基礎知識。
- 將 LangChain 與 GPT-4 等大型語言模型 (LLM) 集成。
- 使用 LangChain 構建模組化 AI 應用程式。
- 排查LangChain應用程式中的常見問題。
LangChain Fundamentals
14 時間:這種以講師為主導的澳門(在線或現場)現場培訓面向希望學習LangChain核心概念和架構並獲得構建AI驅動應用程式的實用技能的初級到中級開發人員和軟體工程師。
在培訓結束時,參與者將能夠:
- 掌握LangChain的基本原理。
- 設置和配置LangChain環境。
- 了解架構以及 LangChain 如何與大型語言模型 (LLM) 互動。
- 使用LangChain開發簡單的應用程式。
Cross-Lingual LLMs
14 時間:這種以講師為主導的澳門(在線或現場)現場培訓面向中級 NLP 從業者和數據科學家、內容建立者和翻譯人員,以及希望使用 LLM 進行語言翻譯和創建多語言內容的全球企業。
在培訓結束時,參與者將能夠:
- 瞭解LLM跨語言學習和翻譯的原則。
- 實現 LLM 以在各種語言之間翻譯內容。
- 創建和管理用於訓練 LLM 的多語言數據集。
- 制定保持翻譯一致性和品質的策略。
Ethical Deployment of LLMs
7 時間:這種以講師為主導的澳門(在線或現場)現場培訓面向希望瞭解和駕馭 LLM 道德景觀的中級 AI 專業人員和倫理學家、數據科學家和工程師,以及政策制定者和利益相關者。
在培訓結束時,參與者將能夠:
- 確定與 LLM 相關的道德問題和挑戰。
- 將道德框架和原則應用於 LLM 部署。
- 評估 LLM 的社會影響並降低潛在風險。
- 制定負責任的人工智慧開發和使用戰略。
Introduction to Google Gemini AI
14 時間:這種以講師為主導的澳門(在線或現場)實時培訓面向希望使用 Google Gemini AI 將 AI 功能整合到其應用程式中的初級到中級開發人員。
在培訓結束時,參與者將能夠:
- 瞭解大型語言模型的基礎知識。
- 設置和使用 Google Gemini AI 執行各種 AI 任務。
- 實現文字到文字和圖像到文字的轉換。
- 構建基本的 AI 驅動型應用程式。
- 探索 Google Gemini AI 中的高級功能和自定義選項。
Google Gemini AI for Content Creation
14 時間:這種以講師為主導的澳門(在線或現場)現場培訓面向希望利用 Google Gemini AI 來提高其內容品質和效率的中級內容創作者。
在培訓結束時,參與者將能夠:
- 瞭解 AI 在內容創作中的作用。
- 設置和使用 Google Gemini AI 來生成和優化內容。
- 應用文字到文本的轉換來生成創意和原創內容。
- 使用 AI 驅動的見解實施 SEO 策略。
- 使用 Gemini AI 分析內容性能並調整策略。
Google Gemini AI for Transformative Customer Service
14 時間:這種以講師為主導的澳門(在線或現場)現場培訓面向希望在客戶服務運營中實施 Go ogle Gemini AI 的中級客戶服務專業人員。
在培訓結束時,參與者將能夠:
- 瞭解 AI 對客戶服務的影響。
- 設置 Google Gemini AI 以自動化和個人化客戶交互。
- 利用文字到文本和圖像到文本的轉換來提高服務效率。
- 制定 AI 驅動的策略,用於即時客戶反饋分析。
- 探索高級功能,打造無縫的客戶服務體驗。
Google Gemini AI for Data Analysis
21 時間:這種以講師為主導的澳門(在線或現場)現場培訓面向希望使用 Google Gemini AI 在各個行業更直觀地執行複雜數據分析任務的初級到中級數據分析師和業務專業人員。
在培訓結束時,參與者將能夠:
- 瞭解 Google Gemini AI 的基礎知識。
- 將各種數據源連接到 Gemini AI。
- 使用自然語言查詢瀏覽數據。
- 分析數據模式並得出見解。
- 創建引人入勝的數據可視化。
- 有效地傳達數據驅動的見解。
LlamaIndex: Enhancing Contextual AI
14 時間:這種由講師指導的現場培訓澳門(在線或現場)面向希望使用 LlamaIndex 增強 AI 模型功能的中級 AI 研究人員、機器學習專業人員和數據科學家,使其在各種應用程式中更加準確和可靠。
在培訓結束時,參與者將能夠:
- 瞭解 LlamaIndex 的原理和元件。
- 引入和構建用於 LLM 的數據。
- 實施上下文增強以提高 AI 模型性能。
- 將 LlamaIndex 整合到現有的 AI 系統和工作流程中。
LlamaIndex: Developing LLM Powered Applications
42 時間:這種由講師指導的 澳門(在線或現場)實時培訓面向希望掌握 LlamaIndex 以開發創新的 LLM 驅動的應用程式的初級到高級開發人員和數據科學家。
在培訓結束時,參與者將能夠:
- 設置和配置 LlamaIndex 以用於 LLM。
- 使用 LlamaIndex 索引和查詢自訂數據集以增強 LLM 功能。
- 設計和開發利用 LlamaIndex 和 LLM 的複雜應用程式。
- 了解並應用使用 LLM 和 LlamaIndex 的最佳實踐。
- 瞭解部署 LLM 支援的應用程式所涉及的道德注意事項。
Introduction to Large Language Models (LLMs)
14 時間:這種由講師指導的 澳門 現場培訓(在線或現場)面向希望使用大型語言模型完成各種自然語言任務的初級到中級開發人員。
在本次培訓結束時,參與者將能夠:
- 設置包含常用 LLM 的開發環境。
- 創建基本 LLM 並在自訂數據集上對其進行微調。
- 將 LLM 用於不同的自然語言任務,例如文本摘要、問答、文字生成等。
- 使用 TensorBoard、PyTorch Lightning 和 Hugging Face Datasets 等工具調試和評估 LLM。
LLMs for Cybersecurity
14 時間:這種以講師為主導的 澳門(在線或現場)現場培訓面向希望利用 LLM 來增強網路安全措施和威脅情報的中級網路安全專業人員和數據科學家。
在培訓結束時,參與者將能夠:
- 瞭解 LLM 在網路安全中的作用。
- 實現用於威脅檢測和分析的 LLM。
- 利用 LLM 實現安全自動化和回應。
- 將 LLM 與現有安全基礎架構整合。
LLMs for Environmental Modeling
14 時間:這種由講師指導的 澳門(在線或現場)現場培訓面向希望使用 LLM 進行環境建模和分析的中級環境科學家和研究人員、數據分析師以及政策制定者和環境宣導者。
在培訓結束時,參與者將能夠:
- 瞭解法學碩士在環境科學中的應用。
- 利用 LLM 對環境數據進行分析和建模。
- 解釋用於環境影響評估的 LLM 輸出。
- 有效地傳達調查結果,為政策和保護工作提供資訊。
LLMs for Financial Market Prediction
14 時間:這種以講師為主導的現場澳門(在線或現場)培訓面向希望利用 LLM 進行金融市場分析和預測的中級金融分析師、數據科學家和投資專業人士。
在培訓結束時,參與者將能夠:
- 瞭解LLM在金融市場分析中的應用。
- 使用 LLM 處理財經新聞、報告和數據以獲得市場洞察。
- 開發股票價格、市場趨勢和經濟指標的預測模型。
- 將 LLM 見解整合到投資決策過程中。