Kerangka Materi

Pengantar Model Bahasa Besar

  • Tinjauan Pengolahan Bahasa Alam (NLP)
  • Pengantar Model Bahasa Besar (LLMs)
  • Kontribusi Meta AI dalam pengembangan LLM

Memahami Arsitektur Meta AI LLMs

  • Arsitektur Transformer dan mekanisme self-attention
  • Metode pelatihan untuk model skala besar
  • Perbandingan dengan LLM lainnya (GPT, BERT, T5, dll)

Menyiapkan Lingkungan Pengembangan

  • Menginstal dan mengkonfigurasi Python dan Jupyter Notebook
  • Bekerja dengan Hugging Face dan repositori model Meta AI
  • Menggunakan GPU berbasis cloud atau lokal untuk pelatihan

Memperhalus dan Menyesuaikan Meta AI LLMs

  • Memuat model pra-latihan
  • Memperhalus pada dataset khusus bidang
  • Teknik pembelajaran transfer

Membangun Aplikasi NLP dengan Meta AI LLMs

  • Mengembangkan chatbot dan AI berinteraksi
  • Mengimplementasikan ringkasan teks dan paraphrasing
  • Analisis sentimen dan moderasi konten

Mengoptimalkan dan Menyebarkan Model Bahasa Besar

  • Penyesuaian kinerja untuk kecepatan inferensi
  • Teknik kompresi dan kuantisasi model
  • Menyebarkan LLM menggunakan API dan platform cloud

Pertimbangan Etika dan AI Bertanggung Jawab

  • Deteksi dan mitigasi bias dalam LLM
  • Memastikan transparansi dan keadilan dalam model AI
  • Tren dan pengembangan masa depan dalam AI

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pengertian dasar tentang machine learning dan deep learning
  • Pengalaman dalam pemrograman Python
  • Kenampakan dengan konsep natural language processing (NLP)

Penonton

  • Peneliti AI
  • Ilmuwan data
  • Insinyur Machine Learning
  • Pengembang perangkat lunak yang tertarik pada NLP
 21 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait