Bedankt voor uw aanvraag! Een van onze medewerkers neemt binnenkort contact met u op
Bedankt voor uw boeking! Een van onze medewerkers neemt binnenkort contact met u op.
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
