感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程時長 21 時間：
課程簡介
LLM 和生成式 AI 簡介
- 探索技術和模型
- 討論應用程式和用例
- 確定挑戰和局限性
將 LLM 用於 NLU 任務
- 情緒分析
- 命名實體識別
- 關係提取
- 語義解析
將 LLM 用於 NLI 任務
- 蘊涵檢測
- 矛盾檢測
- 釋義檢測
將 LLM 用於知識圖譜
- 從文本中提取事實和關係
- 推斷缺失或新的事實
- 將知識圖譜用於下游任務
使用 LLM 進行常識推理
- 生成合理的解釋、假設和場景
- 使用常識性知識庫和數據集
- 評估常識推理
使用 LLM 產生對話
- 與對話代理、聊天機器人和虛擬助手生成對話
- 管理對話
- 使用對話數據集和指標
使用 LLM 進行多模態生成
- 從文字生成圖像
- 從圖像生成文字
- 從文字或圖像生成視頻
- 從文字生成音訊
- 從音訊生成文字
- 從文字或圖像生成 3D 模型
使用 LLM 進行元學習
- 使 LLM 適應新的領域、任務或語言
- 從小樣本或零樣本示例中學習
- 使用元學習和遷移學習數據集和框架
使用 LLM 進行對抗性學習
- 保護 LLM 免受惡意攻擊
- 檢測和減輕 LLM 中的偏差和錯誤
- 使用對抗性學習和魯棒性數據集和方法
評估 LLM 和生成式 AI
- 評估內容品質和多樣性
- 使用初始分數、Fréchet 初始距離和 BLEU 分數等指標
- 使用眾包和調查等人工評估方法
- 使用對抗性評估方法，如圖靈測試和鑒別器
將倫理原則應用於 LLM 和生成式 AI
- 確保公平和問責制
- 避免誤用和濫用
- 尊重內容創作者和消費者的權利和隱私
- 促進人類和人工智慧的創造力和協作
摘要和後續步驟
最低要求
- 瞭解基本的 AI 概念和術語
- 具有 Python 程式設計和數據分析經驗
- 熟悉深度學習框架，如 TensorFlow 或 PyTorch
- 瞭解 LLM 的基礎知識及其應用
觀眾
- 數據科學家
- AI 開發人員
- 人工智慧愛好者
