Επικοινωνήστε μαζί μας

Εξέλιξη Κομματιού

Περίγραμμα Μαθήματος Πρόταση Εκπαίδευσης

Ημέρα 1 - Εισαγωγή στην ΤΝ και την Python για ροές εργασίας δεδομένων

• Επισκόπηση του τοπίου της τεχνητής νοημοσύνης και της μηχανικής μάθησης

• Ο ρόλος της ΤΝ στη σύγχρονη μηχανική δεδομένων

• Επανάληψη βασικών στοιχείων Python για εφαρμογές ΤΝ

• Εργασία με δεδομένα με χρήση pandas και NumPy

• Εισαγωγή στα APIs και τον χειρισμό δεδομένων JSON

• Μίνι άσκηση φόρτωσης και μετασχηματισμού συνόλων δεδομένων

Ημέρα 2 - Θεμέλια Μηχανικής Μάθησης για Επαγγελματίες

• Έννοιες επιβλεπόμενης και μη επιβλεπόμενης μάθησης

• Τεχνικές μηχανικής χαρακτηριστικών και προετοιμασίας δεδομένων

• Βασικά στοιχεία εκπαίδευσης μοντέλων με χρήση scikit-learn

• Αξιολόγηση μοντέλων και μετρικές απόδοσης

• Εισαγωγή σε έννοιες ανάπτυξης μοντέλων

• Πρακτική άσκηση κατασκευής ενός απλού προβλεπτικού μοντέλου

Ημέρα 3 - Εισαγωγή στα LLMs και τη Μηχανική Προτροπών

• Κατανόηση των μεγάλων γλωσσικών μοντέλων και του τρόπου λειτουργίας τους

• Tokenization, παράθυρα συμφραζομένων και περιορισμοί

• Αρχές και τεχνικές σχεδιασμού προτροπών

• Μηδενικής και ελάχιστης καθοδήγησης προτροπές

• Στρατηγικές αξιολόγησης και επανάληψης προτροπών

• Πρακτικές ασκήσεις μηχανικής προτροπών

Ημέρα 4- Κατασκευή Εφαρμογών ΤΝ με LLMs

• Χρήση APIs LLM στην Python

• Έννοιες δομημένων εξόδων και κλήσης συναρτήσεων

• Δημιουργία εφαρμογών συνομιλίας και εφαρμογών βάσει εργασιών

• Εισαγωγή στη δημιουργία επαυξημένης ανάκτησης

• Σύνδεση LLMs με εξωτερικές πηγές δεδομένων

• Μίνι έργο κατασκευής ενός απλού βοηθού ΤΝ

Ημέρα 5 - Παραγωγικοποίηση Λύσεων ΤΝ

• Σχεδιασμός κλιμακούμενων ροών εργασίας ΤΝ

• Ενσωμάτωση ΤΝ σε pipelines δεδομένων

• Παρακολούθηση και βελτίωση της απόδοσης μοντέλων

• Στρατηγικές βελτιστοποίησης κόστους και χρήσης APIs

• Θέματα ασφάλειας και υπεύθυνης ΤΝ

• Τελικό έργο κατασκευής μιας ολοκληρωμένης λύσης ΤΝ

 35 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Σχόλια (2)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες