Struttura del corso
Introduzione all’Intelligenza Artificiale Generativa
- Cos’è l’intelligenza artificiale generativa e perché è così importante?
- Tipologie principali e tecniche utilizzate nell’ambito dell’intelligenza artificiale generativa
- Principali sfide e limitazioni di questo tipo di intelligenza artificiale
Architettura dei Modelli Trasformatori e LLM
- Cos’è un modello trasformatore e come funziona?
- Componenti principali e caratteristiche distintive dei modelli trasformatori
- Come utilizzare i modelli trasformatori per creare LLM
Leggi di Scalabilità e Ottimizzazione degli LLM
- Cos’è la legge di scalabilità e perché riveste un ruolo fondamentale negli LLM?
- Qual è il rapporto tra leggi di scalabilità, dimensione del modello, quantità dei dati, risorse computazionali e requisiti di inferenza?
- In che modo queste leggi possono contribuire a migliorare l’efficienza e le prestazioni degli LLM?
Addestramento e Affinamento degli LLM
- Passaggi principali e difficoltà riscontrate nell’addestrare un LLM da zero
- Vantaggi e limiti derivanti dall’affinamento di un LLM per compiti specifici
- Pratiche migliori e strumenti utilizzabili per addestrare e affinare gli LLM
Implementazione e Utilizzo degli LLM
- Considerazioni e ostacoli principali nell’implementazione di un LLM in ambiente produttivo
- Applicazioni e casi d’uso comuni degli LLM nei diversi settori industriali
- Come integrare gli LLM con altri sistemi e piattaforme di intelligenza artificiale
Etica e Prospettive Future dell’Intelligenza Artificiale Generativa
- Implicazioni etiche e sociali derivanti dall’utilizzo dell’intelligenza artificiale generativa e degli LLM
- Potenziali rischi e inconvenienti legati a questi modelli, tra cui pregiudizi, disinformazione e manipolazione
- Modalità responsabili ed efficaci per impiegare l’intelligenza artificiale generativa e gli LLM
Riepilogo e Prossimi Passi
Requisiti
- Conoscenza dei concetti fondamentali del machine learning, tra cui l’apprendimento supervisionato e non supervisionato, le funzioni di perdita e la suddivisione dei dati.
- Esperienza nella programmazione Python e nell’elaborazione dei dati.
- Conoscenze di base riguardo alle reti neurali e all’elaborazione del linguaggio naturale.
Destinatari
- Sviluppatori
- Appassionati di machine learning
Recensioni (7)
Esempi e link a un repository Excel
Olga - GE HealthCare
Corso - Generative AI with Large Language Models (LLMs)
Traduzione automatica
molti esempi e diversi strumenti da verificare
Bartosz - GE HealthCare
Corso - Generative AI with Large Language Models (LLMs)
Traduzione automatica
GPT personalizzati, ingegneria dei promt
Marcin Stezowski - GE HealthCare
Corso - Generative AI with Large Language Models (LLMs)
Traduzione automatica
Ampla prospettiva
Artur - GE HealthCare
Corso - Generative AI with Large Language Models (LLMs)
Traduzione automatica
Esempi tecnici affiancati alla teoria.
Marcin - GE HealthCare
Corso - Generative AI with Large Language Models (LLMs)
Traduzione automatica
Il background di Mikołaj al di fuori dell'IT consente di affrontare questo argomento da una prospettiva diversa, molto necessaria per gli addetti all'informatica!
Grzegorz - GE HealthCare
Corso - Generative AI with Large Language Models (LLMs)
Traduzione automatica
Spiegazione da una prospettiva diversa da quella IT. Aggiungere valore
Marcin - GE HealthCare
Corso - Generative AI with Large Language Models (LLMs)
Traduzione automatica
