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.
Struttura del corso
Introduzione all'Intelligenza Artificiale Generativa
- Cosa è l'intelligenza artificiale generativa e perché è importante?
- Principali tipologie e tecniche dell'intelligenza artificiale generativa
- Principali sfide e limiti dell'intelligenza artificiale generativa
Architettura dei Transformer e Modelli Linguistici a Grande Scala (LLMs)
- Cosa sono i transformer e come funzionano?
- Componenti principali e caratteristiche di un transformer
- Utilizzo dei transformer per costruire LLMs
Leggi di Scalabilità ed Ottimizzazione
- Cosa sono le leggi di scalabilità e perché sono importanti per gli LLM?
- Come le leggi di scalabilità si relazionano con la dimensione del modello, della base dati, dello budget computazionale ed i requisiti di inferenza?
- Come le leggi di scalabilità possono aiutare a ottimizzare le prestazioni e l'efficienza degli LLM?
Addestramento e Fine-Tuning degli LLM
- Principali step e sfide dell'addestramento degli LLM a partire da zero
- Vantaggi e svantaggi del fine-tuning degli LLM per compiti specifici
- Migliori pratiche ed strumenti per l'addestramento e il fine-tuning degli LLM
Distribuzione ed Utilizzo degli LLM
- Principali considerazioni e sfide nella distribuzione degli LLM in produzione
- Casistiche comuni e applicazioni degli LLM nei vari settori e industrie
- Integrazione degli LLM con altri sistemi ed piattaforme di IA
Etica e Futuro dell'Intelligenza Artificiale Generativa
- Implicazioni etiche e sociali dell'intelligenza artificiale generativa ed degli LLM
- Rischi potenziali ed effetti negativi dell'intelligenza artificiale generativa ed degli LLM, come il bias, le informazioni false e la manipolazione
- Utilizzo responsabile ed benefico dell'intelligenza artificiale generativa ed degli LLM
Riepilogo e Prossimi Passi
Requisiti
- Comprendere i concetti di apprendimento automatico, come l'apprendimento supervisionato e non supervisionato, le funzioni di perdita e lo splitting dei dati
- Esperienza con la programmazione in Python e la manipolazione dei dati
- Conoscenze di base sulle reti neurali e il processing del linguaggio naturale
Pubblico Obiettivo
- Sviluppatori
- Enthusiasti di apprendimento automatico
21 ore
Recensioni (7)
Esempi e collegamenti al repository excel
Olga - GE HealthCare
Corso - Generative AI with Large Language Models (LLMs)
Traduzione automatica
Un sacco di esempi e diversi strumenti da controllare
Bartosz - GE HealthCare
Corso - Generative AI with Large Language Models (LLMs)
Traduzione automatica
GPT personalizzati, progettazione rapida
Marcin Stezowski - GE HealthCare
Corso - Generative AI with Large Language Models (LLMs)
Traduzione automatica
Ampia prospettiva
Artur - GE HealthCare
Corso - Generative AI with Large Language Models (LLMs)
Traduzione automatica
Esempi tecnici in combinazione con la 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 presentare questo argomento da diverse angolazioni - molto necessario per le persone IT!
Grzegorz - GE HealthCare
Corso - Generative AI with Large Language Models (LLMs)
Traduzione automatica
Modulo esplicativo diverso dalla prospettiva IT. Aggiungere valore
Marcin - GE HealthCare
Corso - Generative AI with Large Language Models (LLMs)
Traduzione automatica
