لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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.
نمایش نظرات