Kerangka Materi

Pengenalan Generative AI

  • Apa itu generative AI dan mengapa penting?
  • Jenis utama dan teknik generative AI
  • Tantangan dan batasan utama generative AI

Arsitektur Transformer dan LLMs

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

Hukum Skala dan Optimasi

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

Melatih dan Menyempurnakan LLMs

  • Langkah utama dan tantangan dalam melatih LLMs dari awal
  • Keuntungan dan kekurangan menyempurnakan LLMs untuk tugas tertentu
  • Best practice dan alat untuk melatih dan menyempurnakan LLMs

Mendepangkan dan Menggunakan LLMs

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

Etika dan Masalah Generative AI

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

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman mengenai konsep machine learning, seperti pengenalan belajar dan pembelajaran terpimpin dan tidak terpimpin, fungsi kerugian, dan pembagian data
  • Pengalaman dengan pemrograman Python dan manipulasi data
  • Pengetahuan dasar mengenai jaringan saraf dan pemrosesan bahasa alami

Publik

  • Pengembang
  • Penggemar machine learning
 21 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (7)

Kursus Mendatang

Kategori Terkait