Cursusaanbod

Inleiding tot Generatieve AI

  • Wat is generatieve AI en waarom is het belangrijk?
  • Hoofdtypen en technieken van generatieve AI
  • Belangrijke uitdagingen en beperkingen van generatieve AI

Transformer Architectuur en LLMs

  • Wat is een transformer en hoe werkt het?
  • Hoofdcomponenten en kenmerken van een transformer
  • Transformers gebruiken om LLMs te bouwen

Schaalwetten en Optimalisatie

  • Wat zijn schaalwetten en waarom zijn ze belangrijk voor LLMs?
  • Hoe verhoudingen schaalwetten zich tot de modelgrootte, datagrootte, rekenbudget en inferentievereisten?
  • Hoe kunnen schaalwetten helpen om de prestaties en efficiëntie van LLMs te optimaliseren?

Training en Fine-Tuning van LLMs

  • Hoofdstappen en uitdagingen bij het trainen van LLMs van begin af aan
  • Voordelen en nadelen van het fine-tunen van LLMs voor specifieke taken
  • Beste praktijken en gereedschappen voor het trainen en fine-tunen van LLMs

Implementeren en Gebruiken van LLMs

  • Belangrijke overwegingen en uitdagingen bij het implementeren van LLMs in productie
  • Veelvoorkomende toepassingen en gebruiksgevallen van LLMs in verschillende domeinen en industrieën
  • LLMs integreren met andere AI-systemen en platformen

Ethiek en Toekomst van Generatieve AI

  • Ethische en maatschappelijke implicaties van generatieve AI en LLMs
  • Potentiële risico's en schade van generatieve AI en LLMs, zoals bias, misinformatie en manipulatie
  • Verantwoord en voordelig gebruik van generatieve AI en LLMs

Samenvatting en Volgende Stappen

Vereisten

  • Begrip van machine learning-concepten, zoals supervisie en niet-supervisie, verliesfuncties en data-splitting
  • Ervaring met Python-programmeren en gegevensmanipulatie
  • Basiskennis van neurale netwerken en natuurlijke taalverwerking

Doelgroep

  • Ontwikkelaars
  • Machine learning-enthousiasten
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Getuigenissen (7)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën