آموزش راهنمای پیشرفته ChatGPT، جاسازی‌ها و دیگر مدل‌های زبان بزرگ (LLM)

دانلود Advanced Guide to ChatGPT, Embeddings, and Other Large Language Models (LLMs)

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: به دنبال کسب اطلاعات بیشتر در مورد بسیاری از موارد استفاده بالقوه از مدل های زبان بزرگ (LLM) هستید؟ این دوره یک راهنمای شروع سریع است که برای کمک به شما در یادگیری نحوه استفاده و راه‌اندازی ChatGPT، T5 و BERT در مقیاس طراحی شده است. با مطالعات موردی در دنیای واقعی برای نشان دادن مفاهیم، ​​مربی سینان اوزدمیر یک رویکرد گام به گام برای ساخت و استقرار LLM ها را با سهولت تشریح می کند. از ایجاد یک موتور توصیه و راه‌اندازی یک سیستم بازیابی اطلاعات گرفته تا ساختن یک سیستم شرح تصاویر و فراتر از آن، این دوره دستورالعمل‌ها و بهترین شیوه‌ها را برای هر کسی که علاقه‌مند به استفاده از LLM برای ایجاد بینش‌هایی است که در غیر این صورت به سختی می‌توانست به دست آورد، ارائه می‌کند.

سرفصل ها و درس ها

مقدمه Introduction

  • راهنمای سریع مدل های زبان بزرگ: مقدمه Quick guide to large language models: Introduction

1. مروری بر مدل‌های زبان بزرگ (LLM) 1. Overview of Large Language Models (LLMs)

  • کاربردهای LLM Applications of LLMs

  • ماژول 1: مقدمه ای بر مدل های زبان بزرگ Module 1: Introduction to large language models

  • موضوعات Topics

  • مدل های زبان چیست؟ What are language models?

  • LLM های مدرن محبوب Popular modern LLMs

2. جستجوی معنایی با LLM 2. Semantic Search with LLMs

  • موضوعات Topics

  • مقدمه ای بر جستجوی معنایی Introduction to semantic search

  • ساختن یک سیستم جستجوی معنایی Building a semantic search system

  • بهینه سازی جستجوی معنایی با رمزگذارهای متقابل و تنظیم دقیق Optimizing semantic search with cross-encoders and fine-tuning

3. مراحل اول با مهندسی سریع 3. First Steps with Prompt Engineering

  • کار با دستورات در بین مدل ها Working with prompts across models

  • ساخت یک ربات نسل افزوده بازیابی با ChatGPT و GPT-4o Building a retrieval-augmented generation bot with ChatGPT and GPT-4o

  • موضوعات Topics

  • مقدمه ای بر مهندسی سریع Introduction to prompt engineering

4. Retrieval-Augmented Generation و AI Agents 4. Retrieval-Augmented Generation and AI Agents

  • گسترش به عوامل هوش مصنوعی Expanding into AI agents

  • ساخت ربات RAG Building a RAG bot

  • استفاده از مدل های منبع باز با RAG Using open-source models with RAG

  • مقدمه ای بر نسل افزوده بازیابی (RAG) Introduction to retrieval-augmented generation (RAG)

  • موضوعات Topics

5. بهینه سازی LLM با تنظیم دقیق 5. Optimizing LLMs with Fine-Tuning

  • مطالعه موردی: پیش بینی با بررسی های آمازون: قسمت 2 Case Study: Predicting with Amazon Reviews: Part 2

  • آموزش انتقالی: پرایمر Transfer learning: A primer

  • ماژول 2: بهترین بهره را از معرفی LLM ببرید Module 2: Getting the most out of LLMs introduction

  • API تنظیم دقیق OpenAI The OpenAI fine-tuning API

  • مطالعه موردی: پیش بینی با بررسی های آمازون: قسمت 1 Case Study: Predicting with Amazon Reviews: Part 1

  • موضوعات Topics

6. مهندسی سریع پیشرفته 6. Advanced Prompt Engineering

  • اعتبار سنجی ورودی/خروجی Input/output validation

  • موضوعات Topics

  • جلوگیری از حملات تزریق سریع Preventing prompt injection attacks

  • تحریک زنجیره ای از فکر Chain-of-thought prompting

  • درخواست دسته‌ای و زنجیره‌سازی سریع Batch prompting and prompt chaining

  • ارزیابی سطح دانش رمزگذاری شده LLM Assessing an LLM's encoded knowledge level

7. سفارشی سازی جاسازی ها و معماری های مدل 7. Customizing Embeddings and Model Architectures

  • تنظیم دقیق یک مدل تعبیه شده برای ثبت رفتار کاربر Fine-tuning an embedding model to capture user behavior

  • موضوعات Topics

  • مطالعه موردی: ساخت یک سیستم توصیه انیمیشن Case study: Building an anime recommendation system

  • استفاده از مدل های تعبیه شده OpenAI Using OpenAI’s embedding models

8. AI Alignment: First Principles 8. AI Alignment: First Principles

  • مقدمه ای بر هم ترازی هوش مصنوعی Introduction to AI alignment

  • ارزیابی همسویی به همراه اخلاق Evaluating alignment plus ethics

  • موضوعات Topics

9. حرکت فراتر از مدل های پایه 9. Moving Beyond Foundation Models

  • مطالعه موردی: ویژوال QA - تنظیم پارامترها و داده ها Case study: Visual QA—Setting up parameters and data

  • مقدمه ای بر یادگیری تقویتی از بازخورد Introduction to reinforcement learning from feedback

  • ماژول 3: معرفی استفاده از LLM پیشرفته Module 3: Advanced LLM usage introduction

  • موضوعات Topics

  • استفاده از توجه متقاطع برای ترکیب روش های داده Using cross attention to mix data modalities

  • ترانسفورماتور بینایی The vision transformer

  • همراستایی FLAN-T5 با یادگیری تقویتی از بازخورد Aligning FLAN-T5 with reinforcement learning from feedback

  • مطالعه موردی: کیفیت تصویری - تنظیم یک مدل Case study: Visual QA—Setting up a model

10. تنظیم دقیق LLM منبع باز پیشرفته 10. Advanced Open-Source LLM Fine-Tuning

  • تراز دستورالعمل های LLM: RLHF Instruction alignment of LLMs: RLHF

  • BERT برای طبقه بندی چند برچسبی: قسمت 1 BERT for multilabel classification: Part 1

  • همسویی دستورالعمل های LLM: مدل سازی پاداش Instruction alignment of LLMs: Reward modeling

  • مطالعه موردی: تلاش سینان برای پاسخ‌های عاقلانه و در عین حال جذاب - ساویر Case study: Sinan’s attempt at wise yet engaging responses—SAWYER

  • نوشتن LaTeX با GPT-2 Writing LaTeX with GPT-2

  • تراز دستورالعمل های LLM: تنظیم دقیق نظارت شده Instruction alignment of LLMs: Supervised fine-tuning

  • BERT برای طبقه بندی چند برچسبی: قسمت 2 BERT for multilabel classification: Part 2

  • موضوعات Topics

  • تراز دستورالعمل های LLM: استفاده از یک LLM تراز شده با دستورالعمل Instruction alignment of LLMs: Using an instruction-aligned LLM

11. انتقال LLMها به سمت تولید 11. Moving LLMs into Production

  • تقطیر دانش Knowledge distillation

  • پیش بینی هزینه و استقرار LLM ها در تولید Cost projecting and deploying LLMs to production

  • موضوعات Topics

12. ارزیابی های LLM 12. LLM Evaluations

  • موضوعات Topics

  • پروب LLM برای مدل جهانی Probing LLMs for world model

  • ارزیابی وظایف درک Evaluating understanding tasks

  • ارزیابی وظایف مولد: بخش 1 Evaluating generative tasks: Part 1

  • ارزیابی وظایف مولد: بخش 2 Evaluating generative tasks: Part 2

نتیجه گیری Conclusion

  • بررسی سریع به مدل های زبان بزرگ: خلاصه Quick quide to large language models: Summary

نمایش نظرات

آموزش راهنمای پیشرفته ChatGPT، جاسازی‌ها و دیگر مدل‌های زبان بزرگ (LLM)
جزییات دوره
14h 1m
64
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
16
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pearson Pearson

Pearson یک ارائه دهنده آموزش و یادگیری است.

هدف پیرسون این است که به افراد کمک کند تا زندگی خود را از طریق یادگیری درک کنند، با این باور که هر فرصت یادگیری فرصتی برای پیشرفت شخصی است. کارکنان پیرسون متعهد به ایجاد تجربیات یادگیری پر جنب و جوش و غنی هستند که برای تأثیرگذاری در زندگی واقعی طراحی شده اند. آنها در نزدیک به 200 کشور با محتوای دیجیتال، ارزیابی ها، صلاحیت ها و داده ها به مشتریان خدمات ارائه می دهند.

Sinan Ozdemir Sinan Ozdemir