Szkolenie Large Language Models
Poziom
ZaawansowanyCzas
16h / 2 dniTermin
IndywidualnieCena
IndywidualnieSzkolenie Large Language Models
Szkolenie Large Language Models skupia się na naukowym i praktycznym zgłębianiu obszaru dużych modeli językowych. LLMs to potężne modele językowe, które są sztucznymi inteligencjami zdolnymi do przetwarzania i generowania ludzkich tekstów. Te modele, takie jak GPT (Generative Pre-trained Transformer), charakteryzują się dużą liczbą parametrów i są trenowane na ogromnych zbiorach danych tekstowych, co pozwala im na przyswajanie złożonych wzorców językowych i tworzenie wiarygodnych tekstów w różnych stylach i kontekstach. LLMs są wykorzystywane w wielu zastosowaniach, takich jak generowanie treści, tłumaczenie maszynowe, tworzenie chatbotów, analiza sentymentu oraz wiele innych, a ich rosnąca popularność sprawia, że stają się coraz bardziej istotnym narzędziem w dziedzinie przetwarzania języka naturalnego i sztucznej inteligencji.
Programistów i inżynierów oprogramowania, którzy chcą wykorzystywać LLM w aplikacjach (prototypy), mając dobrą znajomość Pythona oraz podstawy pracy z API-
Specjalistów od sztucznej inteligencji i uczenia maszynowego, którzy chcą pogłębić umiejętności w obszarze LLM, w tym ewaluacji, fine-tuningu i doboru podejścia do problemu
-
Analityków danych i naukowców danych, którzy chcą wykorzystać LLM do analizy i przetwarzania dużych zbiorów tekstowych oraz budowy rozwiązań typu RAG na bazach wiedzy
-
Inżynierów NLP i osób pracujących z tekstem (klasyfikacja, ekstrakcja informacji, wyszukiwanie semantyczne), posiadających podstawy uczenia maszynowego i przetwarzania języka naturalnego
Czego nauczysz się na szkoleniu Large Language Models?
-
Danych i kontekstu wejściowego: Przygotujesz pipeline danych tekstowych (czyszczenie, tokenizacja, chunking, format instruktażowy) oraz uporządkujesz zasady jakości danych i ograniczania wycieków informacji.
-
Implementacji LLMs w praktyce: Zbudujesz prototypy rozwiązań z LLM, w tym prompting, RAG (embeddingi, wyszukiwanie wektorowe) oraz poznasz podstawy integracji z narzędziami/funkcjami.
-
Ewaluacji rozwiązań: Dobierzesz metryki i zestawy testowe, przeprowadzisz analizę błędów (w tym halucynacje) oraz porównasz podejścia prompting vs RAG vs fine-tuning.
-
Świadomości etycznej i bezpieczeństwa: Poznasz ryzyka i ograniczenia LLM (m.in. prompt injection, wycieki danych, bias) oraz podstawy praktyk kontrolnych i monitorowania jakości w użyciu organizacyjnym.
Wstęp i wprowadzenie do LLMs (8h)
- Podstawy pracy z tekstem: czyszczenie, segmentacja, tokenizacja, format danych instruktażowych
- Teoretyczne wprowadzenie do Large Language Models (Koncepcje, architektura modeli, proces trenowania i dostrajania, alignment, ograniczenia i ryzyka)
- Implementacja podstawowego pipeline’u LLM w kodzie: prompting, parametry generacji, obsługa kontekstu
- Ewaluacja rozwiązań: metryki jakości, testy regresji, analiza błędów i halucynacji
- Studium przypadku: dobór podejścia (prompting, RAG, fine-tuning) i kryteriów jakości
Praktyczne elementy pracy z LLMs (8h)
- Zastosowania praktyczne (Generowanie, ekstrakcja informacji, klasyfikacja, agentowość i narzędzia, RAG)
- Fine-Tuning (Strategie dostrajania, PEFT/LoRA, dobór danych, walidacja i kontrola overfittingu)
- Inne narzędzia i frameworki (Hugging Face, LangChain/LlamaIndex, bazy wektorowe, orkiestracja)
- Etyka i Bezpieczeństwo (Ryzyka i ograniczenia, prywatność danych, prompt injection, guardrails, podstawy governance)
Pobierz program
Pobierz szczegółowy program w PDF, żeby dowiedzieć się więcej o godzinach i tematach zajęć.
