描述
在生成式人工智能与大型语言模型(LLMs)课程中,您将学习生成式人工智能的基本原理,以及如何在实际应用中部署它。该课程旨在为对LLMs有基础理解的开发人员设计,帮助他们深化知识。通过参加本课程,您将深入理解生成式人工智能,描述基于LLM的生成式人工智能生命周期中的关键步骤,从数据收集和模型选择到性能评估和部署。
阅读更多
课程涵盖了驱动LLMs的变换器架构,它们是如何训练的,以及微调如何使LLMs适应各种特定用例。您还将探索经验性缩放法则,以优化模型的目标函数,考虑数据集大小、计算预算和推理要求。课程包括来自AWS AI专家的指导,他们目前正在商业用例中积极构建和部署人工智能。
这是一个中级课程,因此建议您具备一定的Python编程经验,并熟悉机器学习的基础知识,例如监督学习和无监督学习、损失函数和数据拆分。如果您曾参加过DeepLearning.AI的机器学习专业化或深度学习专业化,您将准备好更深入地了解生成式人工智能的基础知识。
该课程包含17个视频、7篇阅读材料和3个作业,提供全面的学习体验。完成后,您将获得基础知识、实用技能和对生成式人工智能工作原理的功能性理解,使您能够为您的项目和公司做出明智的决策。
- 类别企业培训与在线学习
生成式人工智能与大型语言模型的核心功能
讲师:Chris Fregly
技能水平:中级
提供证书:是
课程数量:1
预计持续时间:3周
作业:3
视频:17
阅读材料:7
如何使用 生成式人工智能与大型语言模型?
理解:学习生成式人工智能和LLMs的基础知识。
探索:深入了解变换器架构及其训练方法。
应用:使用经验性缩放法则优化模型。
部署:实施生成式人工智能在实际应用中的最佳实践。
生成式人工智能与大型语言模型的使用案例
- 模型优化
- 生成式人工智能部署
- 训练LLMs
- 微调模型
- 商业应用






