Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan du cours
Introduction à l'IA générative
- Qu'est-ce que l'IA générative et pourquoi est-elle importante ?
- Principaux types et techniques d'IA générative
- Principaux défis et limites de l'IA générative
Architecture des transformateurs et LLM
- Qu'est-ce qu'un transformateur et comment fonctionne-t-il ?
- Principaux composants et caractéristiques d'un transformateur
- Utilisation de transformateurs pour construire des LLM
Lois d'échelle et optimisation
- Que sont les lois d'échelle et pourquoi sont-elles importantes pour les LLM ?
- Comment les lois de mise à l'échelle se rapportent-elles à la taille du modèle, à la taille des données, au budget de calcul et aux exigences d'inférence ?
- Comment les lois d'échelle peuvent-elles aider à optimiser la performance et l'efficacité des LLM ?
Formation et perfectionnement des MLD
- Principales étapes et difficultés de la formation des MLD à partir de zéro
- Avantages et inconvénients de l'adaptation des MLD à des tâches spécifiques
- Meilleures pratiques et outils pour la formation et la mise au point des MLD
Déploiement et utilisation des MLD
- Principales considérations et défis liés au déploiement des LLM en production
- Cas d'utilisation courants et applications des LLM dans divers domaines et industries
- Intégration des LLM avec d'autres systèmes et plateformes d'IA
Éthique et avenir de l'IA générative
- Implications éthiques et sociales de l'IA générative et des LLM
- Risques et préjudices potentiels de l'IA générative et des LLM, tels que les préjugés, la désinformation et la manipulation
- Utilisation responsable et bénéfique de l'IA générative et des LLM
Résumé et prochaines étapes
Pré requis
-
Compréhension des concepts d'apprentissage automatique, tels que l'apprentissage supervisé et non supervisé, les fonctions de perte et le fractionnement des données.
Expérience de la programmation Python et de la manipulation de données
Connaissance de base des réseaux neuronaux et du traitement du langage naturel
Audience
-
Développeurs
Passionnés d'apprentissage automatique
21 heures