Cursusaanbod

Introductie

  • Wat zijn Large Language Models (LLMs)?
  • LLM's versus traditionele NLP-modellen
  • Overzicht van LLM's, functies en architectuur
  • Uitdagingen en beperkingen van LLM's

LLM's begrijpen

  • De levenscyclus van een LLM
  • Hoe LLM's werken
  • De belangrijkste componenten van een LLM: encoder, decoder, aandacht, embeddingen, enz.

Slag

  • Opzetten van de ontwikkelomgeving
  • Het installeren van een LLM als ontwikkeltool, bijv. Google Colab, Hugging Face

Werken met LLM's

  • Beschikbare LLM-opties verkennen
  • Een LLM maken en gebruiken
  • Een LLM verfijnen op een aangepaste dataset

Samenvatting van de tekst

  • Inzicht in de taak van tekstsamenvatting en de toepassingen ervan
  • Een LLM gebruiken voor extractieve en abstracte tekstsamenvatting
  • Evaluatie van de kwaliteit van de gegenereerde samenvattingen met behulp van metrieken zoals ROUGE, BLEU, enz.

Vragen beantwoorden

  • Inzicht in de taak van het beantwoorden van vragen en de toepassingen ervan
  • Een LLM gebruiken voor het beantwoorden van vragen in open en gesloten domein
  • Het evalueren van de nauwkeurigheid van de gegenereerde antwoorden met behulp van metrieken zoals F1, EM, enz.

Tekst genereren

  • Inzicht in de taak van tekstgeneratie en de toepassingen ervan
  • Een LLM gebruiken voor het genereren van voorwaardelijke en onvoorwaardelijke tekst
  • Het beheersen van de stijl, toon en inhoud van de gegenereerde teksten met behulp van parameters zoals temperatuur, top-k, top-p, enz.

LLM's integreren met andere frameworks en platforms

  • LLM's gebruiken met PyTorch of TensorFlow
  • LLM's gebruiken met Flask of Streamlit
  • LLM's gebruiken met Google Cloud of AWS

Probleemoplossing

  • Inzicht in de veelvoorkomende fouten en bugs in LLM's
  • TensorBoard gebruiken om het trainingsproces te monitoren en te visualiseren
  • PyTorch Lightning gebruiken om de trainingscode te vereenvoudigen en de prestaties te verbeteren
  • Hugging Face Datasets gebruiken om de gegevens te laden en voor te verwerken

Samenvatting en volgende stappen

Vereisten

  • Een goed begrip van natuurlijke taalverwerking en deep learning
  • Ervaring met Python en PyTorch of TensorFlow
  • Basis programmeerervaring

Audiëntie

  • Ontwikkelaars
  • NLP enthousiastelingen
  • Datawetenschappers
 14 Uren

Leveringsopties

PRIVÉGROEPSTRAINING

Onze identiteit draait om het leveren van precies wat onze klanten nodig hebben.

  • Pre-cursusgesprek met uw trainer
  • Aanpassing van de leerervaring om uw doelen te bereiken -
    • Op maat gemaakte overzichten
    • Praktische, praktische oefeningen met gegevens / scenario's die herkenbaar zijn voor de cursisten
  • Training gepland op een datum naar keuze
  • Gegeven online, op locatie/klaslokaal of hybride door experts die ervaring uit de echte wereld delen

Private Group Prices RRP from €4560 online delivery, based on a group of 2 delegates, €1440 per additional delegate (excludes any certification / exam costs). We recommend a maximum group size of 12 for most learning events.

Neem contact met ons op voor een exacte offerte en om onze laatste promoties te horen


OPENBARE TRAINING

Kijk op onze public courses

Voorlopige Aankomende Cursussen

Gerelateerde categorieën