🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ارزیابی مدلهای مولد: روشها، معیارها و ابزارها
- آخرین آپدیت
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
نمایش نظرات