نتایج هوش مصنوعی خود را قابل پیش بینی تر کنید

Making Your AI Results More Predictable

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: اصول کار با هوش مصنوعی و مدل‌های زبان بزرگ، تمرکز بر استفاده مسئولانه، پیچیدگی‌های نوشتن اعلان‌های مؤثر کاربر، و نحوه اطمینان از نظارت انسانی در حین پیاده‌سازی سیستم‌های قوی و قابل اعتماد را بررسی کنید. مربی Ronnie Sheers راه‌های عملی برای تشخیص و کاهش سوگیری‌ها، توهمات و تصادفی بودن در خروجی‌های هوش مصنوعی و همچنین نحوه استفاده از دستورالعمل‌های سیستم برای بهبود کارایی تعامل را به شما نشان می‌دهد. استفاده از تکنیک های یادگیری چند شات را برای تعمیم داده ها به طور موثرتر شروع کنید. دریابید که چرا نگه داشتن یک انسان در حلقه، تصمیم گیری و مسئولیت پذیری را افزایش می دهد و در عین حال طراحی سیستم اخلاقی را از طریق بازخورد کاربر و مدیریت ریسک تضمین می کند. در طول مسیر، نحوه استفاده از مؤلفه‌های تعدیل، مدل‌های تنظیم دقیق برای کارهای خاص، جستجوهای شباهت معنایی برای بازیابی اطلاعات بهتر، و سیستم‌های تولید افزوده بازیابی (RAG) برای بهبود عملکرد سیستم را بیاموزید.

سرفصل ها و درس ها

مقدمه Introduction

  • هشدار: مسئولانه استفاده کنید Warning: Use responsibly

  • توهم، سوگیری، و تصادفی Hallucinations, biases, and randomness

  • در آغوش گرفتن غیر قابل پیش بینی ها Embracing the unpredictable

  • مروری بر مدل زبان Language model overview

  • آنچه شما باید بدانید What you should know

1. افزایش درخواست های کاربر 1. Enhancing User Prompts

  • آموزش چند شات Few shot learning

  • چالش: از دستورالعمل های سیستم استفاده کنید Challenge: Use system instructions

  • ارزش و محدودیت پردازش درخواست های کاربر The value and limitation of processing user prompts

  • استفاده از دستورالعمل های سیستم Leveraging system instructions

  • راه حل: از دستورالعمل های سیستم استفاده کنید Solution: Use system instructions

2. نظارت انسانی 2. Human Oversight

  • ارزش بازخورد کاربر The value of user feedback

  • طراحی برای نظارت انسانی Designing for human oversight

  • نگه داشتن یک انسان در حلقه Keeping a human in the loop

  • انتقال خطرات به کاربران Conveying risks to users

3. پیاده سازی سیستم های قوی 3. Implementing Robust Systems

  • مدل های تنظیم دقیق Fine-tuning models

  • استفاده از مولفه های اعتدال Using moderation components

  • RAG: ارزش و معایب RAG: Value and drawbacks

  • رویکردهای تکه تکه برای RAG Chunking approaches for RAG

  • افزودن رتبه مجدد به سیستم های RAG Adding re-rank to RAG systems

  • جستجوی تشابه معنایی Semantic similarity search

نتیجه گیری Conclusion

  • به روز ماندن با فناوری در حال توسعه Staying up-to-date with evolving tech

نمایش نظرات

نتایج هوش مصنوعی خود را قابل پیش بینی تر کنید
جزییات دوره
1h
21
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
30
- از 5
ندارد
دارد
دارد
Ronnie Sheer
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ronnie Sheer Ronnie Sheer

برنامه نویس و مدرس نرم افزار

رونی شیر یک توسعه دهنده نرم افزار فول استک، بلندگو و علاقه مند به پایتون است.

او در حال حاضر یک توسعه دهنده تمام وقت در Bluevine است. جایی که او به ایجاد راه حل های بانکی نوآورانه برای مشاغل کوچک کمک می کند. پیش از این، او برنامه های کاربردی را در SimplifiEd توسعه داد و یک دوره برنامه نویسی Code4Change را در دبیرستان Tichonet اجرا کرد. در آنجا رونی اصول توسعه ناب را از طریق ایجاد برنامه های جنگو کامل پشته به دانش آموزان آموزش داد. اکنون او علاقه خود به پایتون را با مخاطبان گسترده تری در آموزش لینکدین به اشتراک می گذارد.