تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی ارزیابی مدل‌های زبانی بزرگ (LLM) و تکنیک‌های مبتنی بر واقعیت

دوره آموزشی ارزیابی مدل‌های زبانی بزرگ (LLM) و تکنیک‌های مبتنی بر واقعیت

2 ساعت 44 دقیقهمتوسط2024-08-28

مدرسین

Denys Linkov

Denys Linkov

جزئیات دوره

آیا به دنبال درک عمیق‌تری از مدل‌های زبان بزرگ (LLM) هستید؟ در این دوره، Denys Linkov شما را با تکنیک‌های پایه‌گذاری برای مدل‌های زبان بزرگ آشنا می‌کند. این دوره به بررسی توهمات موجود در LLMها، دلایل آن‌ها و تأثیرات آن‌ها بر قابلیت اطمینان و کاربردپذیری مدل‌ها می‌پردازد. یاد خواهید گرفت که چگونه نادرستی‌های ساختاری و متنی را کاهش دهید تا بتوانید از خروجی‌های با کیفیت بالا و حساس به زمان اطمینان حاصل کنید.
Denys Linkov تکنیک‌های عملی برای مقابله با توهمات را معرفی می‌کند، از جمله یادگیری چند شات، تنظیم دقیق مدل، و استفاده از الگوهایی برای هدایت خروجی‌های مدل‌های زبان بزرگ. علاوه بر این، شما با موضوعات پیشرفته‌ای مانند زنجیره استدلال فکری، تولید تقویت‌شده با بازیابی، و مسیریابی مدل برای بهبود عملکرد آشنا خواهید شد.
در طول دوره، با چالش‌های دنیای واقعی مواجه خواهید شد که به شما تجربه عملی برای تقویت یادگیریتان می‌دهد. چه شما یک محقق هوش مصنوعی، یک دانشمند داده، یا یک علاقه‌مند به فناوری باشید که به قابلیت‌های در حال تحول LLM مجذوب شده‌اید، این دوره بینش‌های ارزشمندی را در مورد چگونگی پیمایش در پیچیدگی‌های هوش مصنوعی و بهبود عملکرد مدل‌های زبان بزرگ به شما ارائه می‌دهد.

مهارت ها

ClaudeAnthropicGeminiChatGPTOpenAIAI Productivity ToolsGenerative AIPythonGoogleArtificial Intelligence (AI)Programming LanguagesBusiness Software and ToolsOpen SourceSoftware DevelopmentOne-Off

سرفصل ها

0. مقدمه

  • 01 - درک تکنیک‌های زمینی برای LLM
  • 02 - محیط LLM خود را راه‌اندازی کنید

1. توهمات پایه LLM

  • 03 - توهم چیست
  • 04 - نمونه‌های توهم
  • 05 - مقایسه توهمات در LLMها
  • 06 - خطرات توهم
  • 07 - چالش - یافتن توهم
  • 08 - راه حل - یافتن توهم

2. انواع توهم

  • 09 - آموزش LLM‌ها در مورد داده‌های حساس به زمان
  • 10 - داده‌های آموزشی ضعیف است
  • 11 - وفا و زمینه
  • 12 - پاسخ‌های مبهم
  • 13 - ساختار خروجی نادرست
  • 14 - امتناع از پاسخ
  • 15 - توهمات تنظیم دقیق
  • 16 - تکنیک‌ها و تنظیمات نمونه گیری LLM
  • 17 - نقل قول‌های بد
  • 18 - استخراج اطلاعات ناقص

3. کاهش توهم

  • 19 - یادگیری چند شات
  • 20 - استدلال زنجیره ای فکری
  • 21 - قالب‌های ساخت یافته
  • 22 - نسل افزوده بازیابی
  • 23 - به روز رسانی نسخه‌های مدل LLM
  • 24 - تنظیم دقیق مدل برای کاهش توهم
  • 25 - تنظیم گردش کار از طریق مسیریابی مدل
  • 26 - چالش - بررسی خودکار تجارت الکترونیک با LLM
  • 27 - راه حل - بررسی خودکار تجارت الکترونیک با LLM

4. تشخیص توهم

  • 28 - ایجاد خطوط لوله ارزیابی LLM
  • 29 - خطوط لوله خودارزیابی LLM
  • 30 - سیستم‌های انسان در حلقه
  • 31 - مدل‌های تخصصی تشخیص توهم
  • 32 - ساخت مجموعه داده ارزیابی
  • 33 - بهینه‌سازی درخواست‌ها با DSPY
  • 34 - بهینه‌سازی تشخیص توهم با DSPY
  • 35 - آزمایش کاربر LLM در دنیای واقعی
  • 36 - چالش - یک عامل چیزهای بی اهمیت هوش مصنوعی
  • 37 - راه حل - یک عامل چیزهای بی اهمیت هوش مصنوعی

5. بررسی مقاله توهم

  • 38 - راگاس - مقاله ارزشیابی
  • 39 - توهم در مدل‌های بزرگ ترجمه چند زبانه
  • 40 - آیا LLM‌ها آنچه را که نمی دانند می‌دانند؟
  • 41 - تنظیم دقیق زمانی ساعت - LLM را تنظیم کنید
  • 42 - بررسی اوراق توهم

نتیجه گیری

  • 43 - تمرین خود را در زمینه تکنیک‌های زمینی برای LLM‌ها ادامه دهید

دوره های مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal