聯繫我們

課程簡介

生成式AI簡介

  • 什麼是生成式AI,為何它很重要?
  • 生成式AI的主要類型與技術
  • 生成式AI面臨的關鍵挑戰與限制

Transformer架構與LLM

  • 什麼是Transformer,它是如何運作的?
  • Transformer的主要組件與特色
  • 如何利用Transformer構建LLM

擴展定律與最佳化

  • 什麼是擴展定律,為何它對LLM至關重要?
  • 擴展定律如何影響模型規模、資料量、運算預算及推論需求?
  • 如何利用擴展定律優化LLM的性能與效率?

LLM的訓練與微調

  • 從頭開始訓練LLM的主要步驟與挑戰
  • 針對特定任務微調LLM的優缺點
  • 訓練與微調LLM的最佳實踐與工具

LLM的部署與應用

  • 在生產環境中部署LLM的主要考量與挑戰
  • LLM在各領域和產業中的常見用例與應用程式
  • 將LLM與其他AI系統及平台整合

生成式AI的倫理與未來

  • 生成式AI和LLM的倫理與社會影響
  • 生成式AI和LLM潛在的風險與危害,例如偏見、錯誤資訊及操縱
  • 負責任且有益地使用生成式AI和LLM

總結與後續步驟

最低要求

  • 了解機器學習概念,例如監督式與非監督式學習、損失函數及資料分割。
  • 具備Python程式設計及資料操作經驗。
  • 擁有神經網路和自然語言處理的基本知識。

目標受眾

  • 開發人員
  • 機器學習愛好者
 21 小時

客戶評論 (7)

課程分類