内容 隐藏
1 生成式人工智能 & LLMs： 实践开发的基础
2 Generative AI & LLMs: Foundations to Hands-on Development
2.1 学习内容
2.2 要求
2.3 描述
2.4 本课程适合谁：

生成式人工智能 & LLMs： 实践开发的基础

Generative AI & LLMs: Foundations to Hands-on Development

生成式 AI， 大型语言模型（LLMs）， 提示工程， 微调 AI 模型， GPT 模型， 拥抱脸， Google Colab

学习内容

  • 了解大型语言模型 （LLMs）：探索 中的LLMs演变、架构和进步，包括 Transformer 和自我注意机制。
  • Master Prompt Engineering：了解如何制作有效的提示来优化 AI 生成的输出并提高性能。
  • 微调 AI 模型：培养使用 Python 和 Hugging Face 进行微调LLMs的专业知识，为特定应用程序定制模型。
  • 实施合乎道德的 AI 实践：了解 AI 的道德和社会影响，包括偏见和透明度。
  • 开发 AI 驱动的应用程序：通过动手项目构建聊天机器人、文本摘要器和微调模型。
  • 利用 AI 工具包和框架：利用 GPT-2、Hugging Face 和 Python 库等行业标准工具创建生成式 AI 解决方案。

要求

  • Basic Python Programming Knowledge （用于动手练习）
  • 无需事先了解LLMs

描述

生成式 AI 的兴起改变了人工智能领域，大型语言模型 （）LLMs 在聊天机器人、文本生成和自动摘要等应用程序中处于领先地位。“生成式人工智能与 LLMs：实践开发的基础” 是一门实践全面的课程，旨在使学习者深入了解 LLMs、提示工程和模型微调。通过理论见解和实践实验，参与者将获得使用 Python 和 Hugging Face 开发 AI 驱动的应用程序的专业知识。

本课程涵盖基本概念，包括注意力机制的LLMs演变、道德考虑和最佳实践。它还深入研究了提示工程技术和微调方法 ，以便为特定任务定制模型。通过实际项目和动手实验，学习者将通过构建 AI 聊天机器人、文本摘要器和微调模型来应用他们的知识。

无论您是学生、开发人员、研究人员还是商业专业人士，本课程都提供了宝贵的见解和可作的知识，使您能够利用 LLMs 的变革潜力。在本课程结束时，您将有能力开发、优化和微调生成式 AI 应用程序， 使其成为 AI 驱动型世界中的宝贵贡献者。

迈出成为熟练的 AI 从业者的第一步，加入语言 AI 创新的前沿！

本课程适合谁：

  • 学生和教育工作者
  • 数据科学家和 AI 爱好者
  • 过渡到 AI 的专业人士
  • ChatGPT 和类似模型爱好者
  • 对生成式 AI 感到好奇的 Python 开发人员
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。