آموزش مقدمه ای بر مدل های زبان بزرگ برای متخصصان داده

Introduction to Large Language Models for Data Practitioners

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: به عنوان یک متخصص داده، شما در لبه برتر هوش مصنوعی هستید. میدانی که تقریباً سریعتر از آن چیزی است که ما می توانیم حرکت کنیم. این دوره به شما درک انتقادی از مدل های زبان بزرگ، تاریخچه آنها، نحوه کار آنها و نحوه استفاده از آنها می دهد. درست زمانی که به ابزارهایی مانند الکسا، سیری و کورتانا عادت کرده بودیم، برنامه هایی مانند ChatGPT به طور ناگهانی بازنشانی می کنند. انتظارات جهان از آنچه با هوش مصنوعی ممکن است. قدرت بخشیدن به این جهش عظیم تکنولوژیکی از نظر پردازش زبان طبیعی، مدل های زبانی بزرگی هستند. در این دوره آموزشی، مقدمه‌ای بر مدل‌های زبان بزرگ برای پزشکان داده، به عنوان یک متخصص داده با آنچه باید در مورد مدل‌های زبان بزرگ (LLM) بدانید و اینکه چگونه می‌توانید از آنها برای حرکت رو به جلو استفاده کنید، آشنا می‌شوید. ابتدا، تکامل LLMها در ۷۰ سال گذشته را بررسی خواهید کرد، از اولین شبکه عصبی مفهومی از طریق پیشرفت در یادگیری ماشین، یادگیری عمیق، و توسعه معماری‌های مدل زبانی مختلف، تا LLM‌های مبتنی بر ترانسفورماتور که اکنون برای عموم در حال ظهور هستند. استفاده هایی مانند PalM، Claude، LLaMA و GPT. در مرحله بعد، با یادگیری بیشتر در مورد عملکرد داخلی مدل - تعریف مفاهیم و اصطلاحات حیاتی برای LLM های مبتنی بر ترانسفورماتور مانند پارامترها، رمزگذاری، رمزگشایی، توجه، وزن ها، آموزش و تنظیم، متوجه خواهید شد که چه چیزی مدل ترانسفورماتور را بسیار انقلابی می کند. . در نهایت، خواهید دید که کجای LLM ها در محدوده اشیاء بدوی در دسترس متخصصان داده قرار می گیرند تا مشکلات دنیای واقعی را حل کنند، در درک قدرت و محدودیت های این مدل ها اطمینان حاصل کنید، در مورد ملاحظات اخلاقی و سوگیری های مضر بحث کنید، و دقت و صحت را بهبود بخشید و نشان دهید. ارتباط از طریق تنظیم دقیق و بازخورد در مقابل رویکردهای بازخورد در یادگیری ماشین. پس از اتمام این دوره، دانش لازم برای تعیین محل مناسب LLM ها در دامنه خود، توانایی درک مفهومی نحوه کار LLM و مهمتر از آن، این که چه قابلیت ها و محدودیت هایی را برای شما فراهم می کند، خواهید داشت. LLM ها را در جعبه ابزار خود پیاده سازی کنید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

تاریخچه مختصری از مدل های زبان بزرگ A Brief History of Large Language Models

  • منطق آستانه و سایبرنتیک Threshold Logic and Cybernetics

  • Chatterbots و RNN های اولیه Early Chatterbots and RNNs

  • خودرگرسیون و LSTMs Autoregression and LSTMs

  • سایر شرایط یادگیری ماشین Other Machine Learning Terms

  • توجه تنها چیزی است که نیاز دارید Attention Is All You Need

  • تحولات توجه چند سر Multi-head Attention Transformations

  • رمزگشای رمزگذار Encoder Decoder

  • موارد استفاده Use Cases

مدل های زبان بزرگ در دنیای واقعی Real-world Large Language Models

  • ساخت، خرید، یا تنظیم دقیق Build, Buy, or Fine-tune

  • طبقه بندی صفر شات Zero-shot Classification

  • دفترچه اثبات مفهوم Proof of Concept Notebook

  • آموزش و تنظیم دقیق Training and Fine-tuning

  • هزینه، انطباق، و مسئولیت Cost, Compliance, and Liability

  • تعصب و سایر ملاحظات اخلاقی Bias and Other Ethical Considerations

نمایش نظرات

آموزش مقدمه ای بر مدل های زبان بزرگ برای متخصصان داده
جزییات دوره
0h 39m
15
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Russ Thomas
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Russ Thomas Russ Thomas

در حال حاضر یک رهبر IT در بخش مالی دنور کلرادو Russ از سال 1997 در سراسر مایکروسافت بر توسعه پایگاه داده ، مدل سازی ، مدیریت و BI تمرکز کرده است. راس یک مربی پرشور و داوطلب جامعه SQL است که به طور منظم در رویدادهای PASS SQL شنبه و گروه های کاربری محلی در ایالات متحده شرکت می کند.