Kerangka Materi

Pengenalan ke Generative AI

  • Apa itu generative AI dan mengapa penting?
  • Jenis utama dan teknik-teknik generative AI
  • Tantangan dan keterbatasan utama dari generative AI

Arsitektur Transformer dan LLMs

  • Apa itu transformer dan bagaimana cara kerjanya?
  • Komponen-komponen utama dan fitur-fitur dari transformer
  • Menggunakan transformer untuk membangun LLMs

Hukum Penskalaan dan Optimasi

  • Apa itu hukum penskalaan dan mengapa penting untuk LLMs?
  • Bagaimana hubungan hukum penskalaan dengan ukuran model, ukuran data, anggaran komputasi, dan persyaratan inferensi?
  • Bagaimana hukum penskalaan dapat membantu mengoptimalkan kinerja dan efisiensi LLMs?

Melatih dan Menyetel Ulang LLMs

  • Langkah-langkah utama dan tantangan melatih LLMs dari awal
  • Keuntungan dan kerugian menyetel ulang LLMs untuk tugas-tugas spesifik
  • Praktik terbaik dan alat untuk melatih dan menyetel ulang LLMs

Menerapkan dan Menggunakan LLMs

  • Pertimbangan utama dan tantangan menerapkan LLMs dalam produksi
  • Kasus penggunaan umum dan aplikasi LLMs di berbagai domain dan industri
  • Mengintegrasikan LLMs dengan sistem AI lainnya dan platform

Etika dan Masa Depan Generative AI

  • Implikasi etis dan sosial dari generative AI dan LLMs
  • Risiko potensial dan kerugian dari generative AI dan LLMs, seperti bias, informasi palsu, dan manipulasi
  • Penggunaan bertanggung jawab dan bermanfaat dari generative AI dan LLMs

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman tentang konsep pembelajaran mesin, seperti pembelajaran terpandu dan tidak terpandu, fungsi kehilangan, dan pemisahan data
  • Pengalaman dengan pemrograman Python dan manipulasi data
  • Pengetahuan dasar tentang jaringan saraf dan pengolahan bahasa alami

Audience

  • Pengembang
  • Enthusiast pembelajaran mesin
 21 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (7)

Kursus Mendatang

Kategori Terkait