Course Outline

Εισαγωγή στους Δημοσιοποιημένους LLMs

  • Περιγραφή των DeepSeek, Mistral, LLaMA και άλλων δημοσιοποιημένων μοντέλων
  • Πώς λειτουργούν τα LLMs: Transformers, αυτό-διάθεση και εκπαίδευση
  • Σύγκριση δημοσιοποιημένων LLMs με εγκλειστικά μοντέλα

Καθορισμός και Προσαρμογή LLMs

  • Αξιοποίηση δεδομένων για τον καθορισμό
  • Εκπαίδευση και οικοδόμηση LLMs με το Hugging Face
  • Αξιολόγηση της απόδοσης του μοντέλου και υποκίνησης

Δημιουργία AI Agents με LLMs

  • Εισαγωγή στο LangChain για την ανάπτυξη AI agents
  • Σχεδιασμός εργαλείων workflow με LLMs
  • Μνήμη, retrieval-augmented generation (RAG) και εκτέλεση ενέργειας

Διάθεση AI Agents με βάση LLMs

  • Containerization των AI agents με Docker
  • Προσαρμογή LLMs σε επιχειρηματικά προγράμματα
  • Διαδικασία AI agents με δημόσιους υπηρεσίες και APIs

Ασφάλεια και Συμμόρφωση στην επιχειρηματική AI

  • Ηθικές ανησυχίες και νομική συμμόρφωση
  • Ανατροπή των κινδύνων στην AI-βασική αυτομάτευση
  • Ελέγχους και εξέταση της συμπεριφοράς AI agents

Σειρή περίπτωσης και Πρακτικά Εφαρμογές

  • AI agents αυτοματόν εξυπηρέτηση με LLMs
  • Δικτύωση έγγραφων με τη βοήθεια του AI
  • Προσαρμοσμένα AI agents για επιχειρηματικά αναλυτικά

Αξιοποίηση και Διατήρηση LLM-Based Agents

  • Συνεχής βελτίωση και αναβάθμιση του μοντέλου
  • Διάθεση ελέγχου και προσφοράς υπόδευξης
  • Στρατηγικές για την αξιοποίηση εξόδων και προβλήματα τύχης

Περιγραφή και Συνέχεια

Requirements

  • Ισχυρός όραμα της AI και της μηχανικής μάθησης
  • Εμπειρία στο προγραμματισμό Python
  • Γνώση των μεγάλων λεξικοσχεδίων (LLMs) και επεξεργασίαςυ φυσικής γλώσσας (NLP)

Δημόσιο ομιλούμενο

  • Τεχνολογικοί μηχανές AI
  • Εταιρειακοί λογισμικοί αναπτυξτές
  • Οδηγοί επιχειρήσεων
 21 Hours

Number of participants


Price per participant

Testimonials (1)

Upcoming Courses

Related Categories