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.
課程簡介
LLM 和生成式 AI 簡介
- 探索技術和模型
- 討論應用程式和用例
- 確定挑戰和局限性
將 LLM 用於 NLU 任務
- 情緒分析
- 命名實體識別
- 關係提取
- 語義解析
將 LLM 用於 NLI 任務
- 蘊涵檢測
- 矛盾檢測
- 釋義檢測
將 LLM 用於知識圖譜
- 從文本中提取事實和關係
- 推斷缺失或新的事實
- 將知識圖譜用於下游任務
使用 LLM 進行常識推理
- 生成合理的解釋、假設和場景
- 使用常識性知識庫和數據集
- 評估常識推理
使用 LLM 產生對話
- 與對話代理、聊天機器人和虛擬助手生成對話
- 管理對話
- 使用對話數據集和指標
使用 LLM 進行多模態生成
- 從文字生成圖像
- 從圖像生成文字
- 從文字或圖像生成視頻
- 從文字生成音訊
- 從音訊生成文字
- 從文字或圖像生成 3D 模型
使用 LLM 進行元學習
- 使 LLM 適應新的領域、任務或語言
- 從小樣本或零樣本示例中學習
- 使用元學習和遷移學習數據集和框架
使用 LLM 進行對抗性學習
- 保護 LLM 免受惡意攻擊
- 檢測和減輕 LLM 中的偏差和錯誤
- 使用對抗性學習和魯棒性數據集和方法
評估 LLM 和生成式 AI
- 評估內容品質和多樣性
- 使用初始分數、Fréchet 初始距離和 BLEU 分數等指標
- 使用眾包和調查等人工評估方法
- 使用對抗性評估方法,如圖靈測試和鑒別器
將倫理原則應用於 LLM 和生成式 AI
- 確保公平和問責制
- 避免誤用和濫用
- 尊重內容創作者和消費者的權利和隱私
- 促進人類和人工智慧的創造力和協作
摘要和後續步驟
最低要求
- 瞭解基本的 AI 概念和術語
- 具有 Python 程式設計和數據分析經驗
- 熟悉深度學習框架,如 TensorFlow 或 PyTorch
- 瞭解 LLM 的基礎知識及其應用
觀眾
- 數據科學家
- AI 開發人員
- 人工智慧愛好者
21 時間: