دوره آموزشی ساخت مدلهای زبانی بزرگ امن و قابل اعتماد با استفاده از حفاظ های NVIDIA
57 دقیقهمتوسط2024-09-13
مدرسین

Nayan Saxena
جزئیات دوره
گاردریلها (Guardrails) اجزای اساسی مدلهای زبان بزرگ (LLMs) هستند که میتوانند به محافظت در برابر سوءاستفادهها، تعریف استانداردهای مکالمه و ارتقای اعتماد عمومی به فناوریهای هوش مصنوعی کمک کنند. در این دوره، مدرس نیان سکسنا اهمیت پیادهسازی اخلاقی هوش مصنوعی را بررسی میکند تا درک کنید چگونه گاردریلهای NVIDIA NeMo ایمنی و یکپارچگی LLM را تضمین میکنند. بیاموزید چگونه با استفاده از Colang، دستورالعملهای مکالمهای بسازید، از قابلیتهای پیشرفته برای ایجاد تعاملات پویا با LLM استفاده کنید، قابلیتهای LLM را با اقدامات سفارشی افزایش دهید و کیفیت پاسخها و دقت زمینهای را با استفاده از تولید تقویتشده با بازیابی (RAG) ارتقا دهید. با مشاهده گاردریلها در عمل و تحلیل مطالعات موردی واقعی، همچنین مهارتها و بهترین شیوهها برای پیادهسازی سیستمهای هوش مصنوعی امن و کاربرمحور را کسب خواهید کرد. این دوره برای فعالان هوش مصنوعی، توسعهدهندگان و مدافعان فناوری اخلاقی که به دنبال ارتقای دانش خود در زمینه ایمنی LLM، اخلاق و طراحی کاربردی برای هوش مصنوعی مسئولانه هستند، ایدهآل است.
اهداف آموزشی:
درک پیادهسازی اخلاقی هوش مصنوعی و اهمیت آن در ایمنی مدلهای زبان بزرگ (LLMs).
ساخت دستورالعملهای مکالمهای با استفاده از Colang.
استفاده از قابلیتهای پیشرفته برای ایجاد تعاملات پویا با LLM.
تقویت قابلیتهای LLM با اقدامات سفارشی.
ارتقای کیفیت پاسخها و دقت زمینهای با تولید تقویتشده با بازیابی (RAG).
تحلیل گاردریلها در عمل و مطالعات موردی واقعی.
پیادهسازی سیستمهای هوش مصنوعی امن و کاربرمحور.
اهداف آموزشی:
درک پیادهسازی اخلاقی هوش مصنوعی و اهمیت آن در ایمنی مدلهای زبان بزرگ (LLMs).
ساخت دستورالعملهای مکالمهای با استفاده از Colang.
استفاده از قابلیتهای پیشرفته برای ایجاد تعاملات پویا با LLM.
تقویت قابلیتهای LLM با اقدامات سفارشی.
ارتقای کیفیت پاسخها و دقت زمینهای با تولید تقویتشده با بازیابی (RAG).
تحلیل گاردریلها در عمل و مطالعات موردی واقعی.
پیادهسازی سیستمهای هوش مصنوعی امن و کاربرمحور.
مهارت ها
Responsible AINatural Language Processing (NLP)Artificial Intelligence (AI)One-Off
سرفصل ها
0. مقدمه
- 01 - از نردههای محافظ برای ساختن LLMهای ایمن استفاده کنید
- 02 - آنچه باید بدانید
- 03 - فایلها را تمرین کنید و محیط خود را تنظیم کنید
1. پایههای محافظ برای مدلهای زبان
- 04 - آشنایی با گاردریل برای LLM
- 05 - پشت صحنه - چگونه Guardrails ایمنی LLM را اعمال میکند
- 06 - درک نقش embeddings در حفاظت از LLM
2. ساخت نردههای محاوره ای
- 07 - تعیین مرزهای مکالمه
- 08 - کولنگ پیشرفته جریان دارد
- 09 - نردههای محافظ در عمل
3. یکپارچه سازی اقدامات سفارشی
- 10 - تقویت LLM با اقدامات سفارشی
- 11 - ساخت یک اقدام استعلام سفارشی
4. بازیابی نسل افزوده (RAG) با گاردریل
- 12 - Retrieval-Augmented Generation (RAG) با اعمال
- 13 - ایمن سازی LLMها در برابر موضوعات حساس
- 14 - اشکال زدایی و بهینهسازی Guardrails
5. کاربردهای دنیای واقعی و بهترین شیوه ها
- 15 - مطالعات موردی - گاردریلها در عمل
- 16 - بهترین شیوهها برای اجرای گاردریل
- 17 - آینده نردهها و ایمنی LLM
نتیجه گیری
- 18 - مراحل بعدی در ساخت برنامههای LLM
دوره های مرتبط
- دوره آموزشی مبانی هوش مصنوعی مسئولانه
- دوره آموزشی مسئولیتپذیری در هوش مصنوعی: ساخت سیستمهای مسئولانه و شفاف
- دوره آموزشی عدالت دادهای: تضمین نمایندگی عادلانه در مجموعه دادههای هوش مصنوعی
- دوره آموزشی ضرورت عدالت در هوش مصنوعی: ساخت آیندهای فراگیرتر با کمک هوش مصنوعی
- دوره آموزشی ساخت هوش مصنوعی قابل اعتماد در دولت: نوآوری مسئولانه و تاثیرگذار
- دوره آموزشی مقدمهای بر اخلاق و ایمنی هوش مصنوعی
- دوره آموزشی هوش مصنوعی آزور برای توسعهدهندگان: ایمنی محتوا و هوش مصنوعی مسئولانه
- دوره آموزشی هوش مصنوعی اخلاقی برای استخدام و جذب استعدادها