آموزش ارزیابی مدل‌های مولد: روش‌ها، معیارها و ابزارها - آخرین آپدیت

دانلود Evaluating Generative Models: Methods, Metrics & Tools

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

ارزیابی مدل‌های زبانی بزرگ (LLM) و بهینه‌سازی برنامه‌های هوش مصنوعی

با استفاده از تکنیک‌های پیشرفته ارزیابی مدل‌های زبانی بزرگ (LLM) مانند معیارهای خودکار (Automatic Metrics) و مقایسه خودکار کنار هم (AutoSxS)، برنامه‌های هوش مصنوعی خود را بهینه کنید و به نتایج بهتری دست یابید.

  • درک مبانی ارزیابی LLM
  • تسلط بر ابزارهای ارزیابی Vertex AI
  • به‌کارگیری روش‌های پیشرفته ارزیابی
  • ارزیابی مدل‌های تولیدی هوش مصنوعی غیرمتنی

پیش‌نیازها:

  • آشنایی اولیه با هوش مصنوعی و یادگیری ماشین
  • نیاز به مهارت برنامه‌نویسی نیست
  • آشنایی با مدل‌های زبانی بزرگ
  • آشنایی با پلتفرم‌های ابری

در این دوره، شما تکنیک‌های پیشرفته ارزیابی برای مدل‌های زبانی بزرگ (LLM) را با استفاده از ابزارهایی مانند Automatic Metrics و AutoSxS فرا خواهید گرفت. این روش‌های ارزیابی برای بهینه‌سازی مدل‌های هوش مصنوعی و اطمینان از اثربخشی آنها در برنامه‌های کاربردی دنیای واقعی بسیار مهم هستند. با شرکت در این دوره، دانش ارزشمند و مهارت‌های عملی، از جمله موارد زیر را کسب خواهید کرد:

  • تجربه عملی با Vertex AI گوگل کلود برای ارزیابی LLM‌ها با استفاده از ابزارهای قدرتمند و استاندارد صنعتی ارزیابی.
  • یادگیری استفاده از Automatic Metrics برای ارزیابی کیفیت خروجی مدل برای کارهایی مانند تولید متن، خلاصه‌سازی و پاسخگویی به سوالات.
  • تسلط بر AutoSxS برای مقایسه مدل‌های متعدد در کنار هم، کسب بینش عمیق‌تر در مورد عملکرد مدل و انتخاب بهترین مدل‌ها برای وظایف خود.
  • به‌کارگیری تکنیک‌های ارزیابی برای بهبود برنامه‌های هوش مصنوعی در صنایع مختلف، مانند مراقبت‌های بهداشتی، امور مالی و خدمات مشتری.
  • درک معیارهای ارزیابی انصاف برای اطمینان از اینکه مدل‌های هوش مصنوعی نتایج عادلانه و بی‌طرفانه‌ای تولید می‌کنند، و به چالش‌های مهم در تصمیم‌گیری هوش مصنوعی می‌پردازند.
  • آماده شدن برای روندهای آینده هوش مصنوعی با یادگیری در مورد ابزارها و خدمات ارزیابی در حال تحول در زمینه هوش مصنوعی مولد.
  • بهینه‌سازی انتخاب مدل و استراتژی‌های استقرار خود، افزایش عملکرد، کارایی و انصاف راه‌حل‌های هوش مصنوعی.

در پایان این دوره، شما توانایی این را خواهید داشت که:

  • LLM‌ها را به طور موثر برای بهینه‌سازی عملکرد آنها ارزیابی کنید.
  • تصمیمات مبتنی بر داده برای انتخاب بهترین مدل‌ها برای برنامه‌های خود بگیرید.
  • از انصاف در سیستم‌های هوش مصنوعی اطمینان حاصل کنید، تعصب‌ها را کاهش دهید و نتایج را بهبود بخشید.
  • از روندهای ارزیابی هوش مصنوعی جلوتر بمانید تا مهارت‌های خود را در یک زمینه به سرعت در حال تحول، تضمین کنید.

چه مدیر محصول هوش مصنوعی، دانشمند داده یا متخصص اخلاق هوش مصنوعی باشید، این دوره ابزارها و دانش لازم را برای برتری در ارزیابی و بهبود مدل‌های هوش مصنوعی برای برنامه‌های کاربردی واقعی و تاثیرگذار فراهم می‌کند.


سرفصل ها و درس ها

مقدمه Introduction

  • معرفی Introduction

درس 1 Lesson 1

  • آشنایی با LLMها و روش‌های ارزیابی آن‌ها Introduction to LLMs and their evaluation methods

  • مزایا و چالش‌های روش‌های ارزیابی LLM Benefits and Challenges of LLM Evaluation Methods

  • ارزیابی LLM در Vertex AI LLM Evaluation on Vertex AI

درس 2 Lesson 2

  • معیارهای خودکار Automatic Metrics

  • نمایش معیارهای خودکار Automatic Metrics Demo

  • AutoSxS AutoSxS

  • نمایش AutoSxS AutoSxS Demo

درس 3 Lesson 3

  • مدل‌های ارزیابی مبتنی بر متن - قسمت 1 Text-based Evaluation Models-part1

  • مدل‌های ارزیابی مبتنی بر متن - قسمت 2 Text-based Evaluation Models-part2

  • ارزیابی مدل‌های هوش مصنوعی مولد غیر متنی Evaluation of non-text Generative AI Models

  • نکات پایانی - اهمیت ارزیابی انسانی Final Notes-Importance of Human Evaluation

پایان Outro

  • پایان Outro

نمایش نظرات

آموزش ارزیابی مدل‌های مولد: روش‌ها، معیارها و ابزارها
جزییات دوره
1 hour
13
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
6,235
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ahmed Al-sakkaf Ahmed Al-sakkaf

حرفه ای در زبان

Reza Mora Reza Mora

استاد علوم کامپیوتر