Conceitos de modelos de linguagem grandes (LLMs)
Descubra o potencial dos LLMs com nosso curso sobre aplicações, treinamento, ética e pesquisas recentes.
Comece O Curso Gratuitamente2 horas15 vídeos50 exercícios36.343 aprendizesDeclaração de Realização
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.Treinar 2 ou mais pessoas?
Tentar DataCamp for BusinessAmado por alunos de milhares de empresas
Descrição do Curso
Descubra modelos de idiomas grandes
Neste curso, você percorrerá o mundo dos LLMs (Large Language Models) e descobrirá como eles estão remodelando o cenário da IA. Você explorará os fatores que impulsionam o boom do LLM, como a revolução da aprendizagem profunda, a disponibilidade de dados e a capacidade de computação.Este curso conceitual abordará os LLMs e como eles revolucionam os negócios e a vida cotidiana com exemplos do mundo real, de finanças à criação de conteúdo.
Desvende os segredos dos LLMs e das metodologias de treinamento
Você aprenderá sobre os blocos de construção dos LLMs, incluindo técnicas de processamento de linguagem natural, estratégias de ajuste fino e técnicas de aprendizagem como zero-shot, few-shot e multi-shot. À medida que progredir, você obterá insights sobre as metodologias de treinamento de última geração que impulsionam os LLMs, incluindo previsão da próxima palavra, modelagem de linguagem mascarada e mecanismos de atenção.Explore as preocupações e considerações dos LLMs
Você também abordará as considerações éticas e ambientais críticas na criação e no treinamento de LLMs, como dados de treinamento e preocupações com a privacidade.Ao concluir o curso, você descobrirá como se manter à frente da curva ao se aprofundar nas pesquisas mais recentes no campo do LLM. Você explorará desenvolvimentos futuros com foco na explicabilidade do modelo, no tratamento não supervisionado de tendências, na eficiência computacional e na criatividade aprimorada.
Ao final deste curso, você terá uma compreensão abrangente dos LLMs, seus recursos, aplicativos e desafios intrigantes.
Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
- 1
Introdução aos modelos de linguagem grandes (LLM)
GratuitoO cenário da IA está evoluindo rapidamente, e os modelos de linguagem grandes (LLMs) estão na vanguarda dessa evolução. Este capítulo examina como os LLMs estão avançando no desenvolvimento de inteligência artificial semelhante à humana e transformando os setores por meio de suas inúmeras aplicações. Você explorará os desafios e a complexidade associados à modelagem de linguagem.
A ascensão dos LLMs no cenário de IA50 xpDefinição de um LLM50 xpLLMs no cenário de IA100 xpAplicativos de IA vs. LLM100 xpAplicativos do mundo real50 xpAplicativos de negócios50 xpAplicativos multimodais100 xpAutomatização de tarefas orientadas por dados50 xpDesafios da modelagem de linguagem50 xpO que um modelo de linguagem pode fazer?50 xpAprendizagem com uma ou várias tarefas100 xp - 2
Componentes básicos dos LLMs
Este capítulo enfatiza a inovação dos LLMs e seus recursos emergentes, ao mesmo tempo em que descreve várias técnicas de NLP para preparação de dados. Você aprenderá os desafios do treinamento de LLMs e como o ajuste fino pode resolvê-los com eficácia. Você também entenderá como as técnicas de aprendizado N-shot permitem a adaptação eficiente de modelos pré-treinados quando confrontados com dados rotulados limitados.
Inovação dos LLMs50 xpSolução de problemas com LLMs50 xpModelos tradicionais vs. LLMs100 xpVisão geral do NLP50 xpPreparação de dados50 xpPré-processamento e representação de texto100 xpIncorporação de palavras em sacos de palavras50 xpAjuste fino50 xpDesafios na construção de LLMs50 xpAdaptação de um modelo pré-treinado50 xpPré-treinado ou aperfeiçoado?100 xpTécnicas de aprendizado50 xpAjuste fino de um modelo50 xpAprendizado N-shot100 xp - 3
Técnicas e metodologia de treinamento
Neste capítulo, você aprenderá sobre os componentes fundamentais do treinamento do LLM, como as técnicas de pré-treinamento. Você também obterá uma compreensão intuitiva de conceitos complexos, como a arquitetura de transformadores, incluindo o mecanismo de atenção. O capítulo discute uma técnica avançada de ajuste fino e resume o processo de treinamento para concluir um LLM.
Elementos básicos para treinar LLMs50 xpLinguagem mascarada50 xpPrevisão da próxima palavra50 xpConstrução a partir do zero100 xpApresentando o transformador50 xpRelações entre palavras distantes50 xpComponentes do transformador100 xpMecanismos de atenção50 xpFoco de atenção de várias cabeças50 xpAutoatenção vs. atenção de várias cabeças100 xpAjuste fino avançado50 xpTreinamento de ponta a ponta100 xpTreinamento, ajuste e feedback50 xpConstrução de um LLM50 xp - 4
Preocupações e considerações
Neste capítulo, abordamos as principais considerações ao treinar LLMs, como a disponibilidade de dados grandes, a qualidade dos dados, a rotulagem precisa e as implicações de dados tendenciosos. Você também examinará vários riscos do LLM, como privacidade de dados, preocupações éticas e impacto ambiental. Por fim, o capítulo conclui discutindo as áreas de pesquisa emergentes e o cenário em evolução dos LLMs.
Preocupações e considerações sobre os dados50 xpSeu modelo é imparcial?50 xpNão tendencioso e relevante100 xpAtendimento ao cliente de um banco50 xpPreocupações éticas e ambientais50 xpUso responsável50 xpÉtica e meio ambiente100 xpPara onde estão indo os LLMs?50 xpCriatividade vs. eficiência100 xpAnálise de obras literárias100 xpHora de encerrar50 xp
Treinar 2 ou mais pessoas?
Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.Nas seguintes faixas
colaboradores
pré-requisitos
Understanding Machine LearningVidhi Chugh
Ver MaisAI Strategist and Ethicist
O que os outros alunos têm a dizer?
Junte-se a mais de 15 milhões de alunos e comece Conceitos de modelos de linguagem grandes (LLMs) hoje mesmo!
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.