Course Outline

생성형 AI 소개

  • 생성형 AI란 무엇이며 왜 중요한가?
  • 생성형 AI의 주요 유형과 기술
  • 생성형 AI의 주요 도전 과제와 한계

트랜스포머 아키텍처와 대형 언어 모델(LLMs)

  • 트랜스포머란 무엇이며 어떻게 작동하는가?
  • 트랜스포머의 주요 구성 요소와 기능
  • 트랜스포머를 사용하여 LLMs를 구축하는 방법

확장 법칙과 최적화

  • 확장 법칙이 무엇이며 LLMs에 왜 중요한가?
  • 확장 법칙이 모델 크기, 데이터 크기, 계산 예산 및 추론 요구 사항과 어떻게 관련되는가?
  • 확장 법칙이 LLMs의 성능과 효율성을 어떻게 최적화할 수 있는가?

LLMs의 학습과 미세 조정

  • LLMs를 처음부터 학습하는 주요 단계와 도전 과제
  • 특정 작업에 LLMs를 미세 조정하는 장단점
  • LLMs 학습과 미세 조정을 위한 최선의 방법과 도구

LLMs 배포 및 사용

  • LLMs를 생산 환경에 배포하는 주요 고려 사항과 도전 과제
  • 다양한 도메인과 산업에서 LLMs의 일반적인 사용 사례 및 응용
  • LLMs를 다른 AI 시스템과 플랫폼에 통합하는 방법

생성형 AI의 윤리와 미래

  • 생성형 AI와 LLMs의 윤리적 및 사회적 영향
  • 생성형 AI와 LLMs의 잠재적 위험 및 해악, 예를 들어 편향, 오정보 및 조작
  • 생성형 AI와 LLMs의 책임 있는 및 유익한 사용

요약 및 다음 단계

Requirements

  • 머신러닝 개념, 예를 들어 지도 학습과 비지도 학습, 손실 함수, 그리고 데이터 분할에 대한 이해
  • Python 프로그래밍 및 데이터 조작 경험
  • 신경망 및 자연어 처리 기본 지식

대상

  • 개발자
  • 머신러닝 애호가
 21 Hours

Number of participants


Price per participant

회원 평가 (7)

Upcoming Courses

Related Categories