課程簡介

小型語言模型 (SLM) 簡介

  • 語言模型概述
  • 從大型語言模型到小型語言模型的演變
  • SLM的體系結構和設計
  • SLM的優點和局限性

技術基礎

  • 了解神經網路和參數
  • SLM的培訓過程
  • 數據需求和模型優化
  • 語言模型的評估指標

自然語言處理中的 SLM

  • 使用 SLM 產生文字
  • 語言翻譯和當地語系化
  • 情感分析和文本分類
  • 問答和聊天機器人

SLM 的實際應用

  • 移動應用程式:設備端語言處理
  • 嵌入式系統:物聯網設備中的 SLM
  • 隱私保護 AI:本地數據處理
  • 邊緣計算:低延遲環境中的 SLM

案例研究

  • 分析SLM的成功部署
  • 行業特定應用(醫療保健、Finance 等)
  • 比較研究:SLM 與生產中的大型模型

未來方向

  • SLM的研究趨勢
  • 擴展和部署方面的挑戰
  • 道德考量和負責任的人工智慧
  • 未來之路:下一代SLM

實踐研討會

  • 構建用於文字生成的簡單 SLM
  • 將 SLM 整合到行動應用程式中
  • 針對特定任務微調 SLM
  • 性能分析和模型可解釋性

頂點專案

  • 確定 SLM 應用程式的問題空間
  • 設計和實施SLM解決方案
  • 測試和反覆運算模型
  • 介紹專案和成果

摘要和後續步驟

最低要求

  • 對機器學習概念的基本瞭解
  • 熟悉 Python 程式設計
  • 神經網路和深度學習知識

觀眾

  • 數據科學家
  • 軟體開發人員
  • AI愛好者
 14 時間:

人數


每位參與者的報價

Provisional Upcoming Courses (Require 5+ participants)