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 ai trasformatori generativi pre-addestrati (GPT)
- Evoluzione dei modelli linguistici in PNL
- Introduzione alla GPT e al suo significato
- Casi d'uso e applicazioni dei modelli GPT
Comprendere l'architettura e la formazione GPT
- Architettura del trasformatore e meccanismo di auto-attenzione
- Pre-addestramento e messa a punto di modelli GPT
- Trasferisci l'apprendimento e l'adattamento al dominio con GPT
Esplorazione di GPT-3
- Panoramica dell'architettura e delle funzionalità di GPT-3
- Comprendere le funzionalità e i limiti del modello
- Esercizi pratici con GPT-3 per la generazione e il completamento del testo
Progressi recenti: GPT-4
- Panoramica dell'ultimo modello GPT-4
- Principali miglioramenti e miglioramenti rispetto alle versioni precedenti
- Esplorare le capacità estese di GPT-4
Applicazioni dei modelli GPT
- Generazione e completamento di testo utilizzando modelli GPT
- Traduzione automatica con GPT
- Sistemi di dialogo e chatbot con GPT
- Scrittura creativa e storytelling con modelli GPT
Messa a punto dei modelli GPT
- Tecniche per la messa a punto di modelli GPT su compiti specifici
- Adattamento di GPT per applicazioni specifiche del dominio
- Procedure consigliate per la messa a punto e la valutazione del modello
Considerazioni e sfide etiche
- Implicazioni etiche dell'uso di modelli linguistici di grandi dimensioni
- Problemi di bias e di equità nei modelli GPT
- Mitigare i rischi e garantire un uso responsabile dei modelli GPT
Tendenze future e oltre GPT-4
- Tendenze emergenti nella PNL e nei modelli generativi
- Frontiere della ricerca e potenziali progressi oltre il GPT-4
Riepilogo e prossime tappe
- Riepilogo degli insegnamenti chiave e dei punti salienti del corso
- Risorse per ulteriori opportunità di esplorazione e apprendimento nei modelli GPT e NLP
Requisiti
- Familiarità con i concetti di deep learning e i fondamenti dell'elaborazione del linguaggio naturale (NLP).
- Sarebbe utile una conoscenza di base dei trasformatori.
Pubblico
- Scienziati dei dati
- Ingegneri dell'apprendimento automatico
- Ricercatori di PNL
- Appassionati di IA
14 ore
Recensioni (1)
Esempi di vita reale.
Craig - Hollard Insure
Corso - ChatGPT
Traduzione automatica