Course Outline

소개

  • Large Language Models (LLMs)는 무엇입니까?
  • LLM 대 기존 NLP 모델
  • LLM 기능 및 아키텍처 개요
  • LLM의 과제와 한계

LLM 이해

  • LLM의 수명 주기
  • LLM의 작동 방식
  • LLM의 주요 구성 요소: 인코더, 디코더, 어텐션, 임베딩 등

시작하기

  • 개발 환경 설정
  • 개발 도구로 LLM 설치, 예: Google Colab, Hugging Face

LLM과 함께 일하기

  • 사용 가능한 LLM 옵션 탐색
  • LLM 생성 및 사용
  • 사용자 정의 데이터 세트에 대한 LLM 미세 조정

텍스트 요약

  • 텍스트 요약 작업과 그 응용 분야 이해
  • 추출 및 추상 텍스트 요약을 위한 LLM 사용
  • ROUGE, BLEU 등의 측정 기준을 사용하여 생성된 요약의 품질을 평가합니다.

질문 답변

  • 질문 답변 작업과 그 응용 분야 이해
  • 오픈 도메인 및 폐쇄 도메인 질문 답변을 위한 LLM 사용
  • F1, EM 등의 측정 기준을 사용하여 생성된 답변의 정확도를 평가합니다.

텍스트 생성

  • 텍스트 생성 작업과 그 응용 프로그램 이해
  • 조건부 및 무조건부 텍스트 생성을 위한 LLM 사용
  • 온도, top-k, top-p 등의 매개변수를 사용하여 생성된 텍스트의 스타일, 톤, 내용을 제어합니다.

LLM을 다른 프레임워크 및 플랫폼과 통합

  • PyTorch 또는 TensorFlow와 함께 LLM 사용
  • Flask 또는 Streamlit을 사용하여 LLM 사용
  • Google Cloud 또는 AWS와 함께 LLM 사용

문제 해결

  • LLM의 일반적인 오류 및 버그 이해
  • TensorBoard를 사용하여 학습 프로세스를 모니터링하고 시각화합니다.
  • PyTorch Lightning을 사용하여 훈련 코드를 단순화하고 성능을 개선합니다.
  • Hugging Face개의 데이터 세트를 사용하여 데이터를 로드하고 사전 처리합니다.

요약 및 다음 단계

Requirements

  • 자연어 처리와 딥러닝에 대한 이해
  • Python 및 PyTorch 또는 TensorFlow에 대한 경험
  • 기본 프로그래밍 경험

청중

  • 개발자
  • NLP 애호가
  • 데이터 과학자
 14 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories