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.
Course Outline
Inleiding tot generatieve AI
- Wat is generatieve AI en waarom is het belangrijk?
- Belangrijkste soorten en technieken van generatieve AI
- Belangrijkste uitdagingen en beperkingen van generatieve AI
Transformatorarchitectuur en LLM's
- Wat is een transformator en hoe werkt het?
- Belangrijkste componenten en kenmerken van een transformator
- Transformatoren gebruiken om LLM's te bouwen
Schaalwetten en optimalisatie
- Wat zijn schaalwetten en waarom zijn ze belangrijk voor LLM's?
- Hoe verhouden schaalwetten zich tot de modelgrootte, gegevensgrootte, rekenbudget en deductievereisten?
- Hoe kunnen schaalwetten helpen de prestaties en efficiëntie van LLM's te optimaliseren?
Training en fine-tuning LLM's
- Belangrijkste stappen en uitdagingen bij het helemaal opnieuw opleiden van LLM's
- Voor- en nadelen van het verfijnen van LLM's voor specifieke taken
- Best practices en tools voor het trainen en verfijnen van LLM's
LLM's implementeren en gebruiken
- Belangrijkste overwegingen en uitdagingen bij het implementeren van LLM's in productie
- Veelvoorkomende use cases en toepassingen van LLM's in verschillende domeinen en industrieën
- LLM's integreren met andere AI-systemen en -platforms
Ethiek en toekomst van generatieve AI
- Ethische en sociale implicaties van generatieve AI en LLM's
- Potentiële risico's en schade van generatieve AI en LLM's, zoals vooringenomenheid, verkeerde informatie en manipulatie
- Verantwoord en nuttig gebruik van generatieve AI en LLM's
Samenvatting en volgende stappen
Requirements
- Een goed begrip van machine learning-concepten, zoals begeleid en onbewaakt leren, verliesfuncties en het splitsen van gegevens. Ervaring met Python programmeren en gegevensmanipulatie. Basiskennis van neurale netwerken en natuurlijke taalverwerking.
Publiek
- Ontwikkelaars Machine learning-enthousiastelingen
21 Hours