Struttura del corso

Introduzione ai Large Language Models

  • Panoramica del Processing del Linguaggio Naturale (NLP)
  • Introduzione ai Large Language Models (LLMs)
  • Le contribuzioni di Meta AI allo sviluppo dei LLM

Comprendere l'Architettura dei LLM di Meta AI

  • Architettura Transformer e meccanismi di self-attention
  • Metodologie di addestramento per modelli a grande scala
  • Confronto con altri LLM (GPT, BERT, T5, ecc.)

Configurazione dell'Ambiente di Sviluppo

  • Installazione e configurazione di Python e Jupyter Notebook
  • Lavoro con Hugging Face e il repository dei modelli di Meta AI
  • Utilizzo di GPU cloud-based o locali per l'addestramento

Ottimizzazione e Personalizzazione dei LLM di Meta AI

  • Caricamento di modelli pre-addestrati
  • Ottimizzazione su dataset specifici del dominio
  • Tecniche di trasfer learning

Costruzione di Applicazioni NLP con i LLM di Meta AI

  • Sviluppo di chatbot e AI conversazionale
  • Implementazione della riassuntistica e della parafrazatura del testo
  • Analisi dei sentimenti e moderazione del contenuto

Ottimizzazione ed Esecuzione di Large Language Models

  • Ottimizzazione delle prestazioni per la velocità di inferenza
  • Tecniche di compressione e quantizzazione dei modelli
  • Esecuzione di LLM utilizzando API e piattaforme cloud

Considerazioni Etiche e AI Responsabile

  • Rilevamento e mitigazione del bias nei LLM
  • Garanzia di trasparenza ed equità nei modelli AI
  • Tendenze future e sviluppi nell'IA

Riepilogo e Prossimi Passaggi

Requisiti

  • Comprensione di base dei concetti di machine learning e deep learning
  • Esperienza con la programmazione Python
  • Familiarità con i concetti del processing del linguaggio naturale (NLP)

Pubblico di riferimento

  • Ricerca in Intelligenza Artificiale
  • Data Scientist
  • Ingegneri del Machine Learning
  • Sviluppatori software interessati all'NLP
 21 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative