Course Outline

Pengantar Model Bahasa Besar

  • Gambaran Umum Natural Language Processing (NLP)
  • Pengantar Large Language Models (LLMs)
  • Kontribusi Meta AI terhadap pengembangan LLM

Memahami Arsitektur LLM Meta AI

  • Arsitektur transformator dan mekanisme perhatian mandiri
  • Metodologi pelatihan untuk model skala besar
  • Perbandingan dengan LLM lain (GPT, BERT, T5, dll)

Menyiapkan Lingkungan Pengembangan

  • Menginstal dan mengkonfigurasi Python dan Jupyter Notebook
  • Bekerja dengan Hugging Face dan repositori model Meta AI
  • Menggunakan berbasis cloud atau lokal GPU untuk pelatihan

Fine-Tuning dan Kustomisasi Meta AI LLM

  • Memuat model yang telah dilatih sebelumnya
  • Penyetelan halus pada kumpulan data khusus domain
  • Teknik pembelajaran transfer

Membangun Aplikasi NLP dengan Meta AI LLM

  • Mengembangkan chatbot dan AI percakapan
  • Menerapkan ringkasan dan parafrase teks
  • Analisis sentimen dan moderasi konten

Mengoptimalkan dan Menyebarkan Model Bahasa Besar

  • Penyetelan kinerja untuk kecepatan inferensi
  • Teknik kompresi dan kuantisasi model
  • Menyebarkan LLM menggunakan API dan platform cloud

Pertimbangan Etis dan AI yang Bertanggung Jawab

  • Deteksi dan mitigasi bias dalam LLM
  • Memastikan transparansi dan keadilan dalam model AI
  • Tren dan perkembangan masa depan dalam AI

Ringkasan dan Langkah Berikutnya

Requirements

  • Pemahaman dasar tentang pembelajaran mesin dan pembelajaran mendalam
  • Pengalaman dengan pemrograman Python
  • Keakraban dengan konsep pemrosesan bahasa alami (NLP)

Hadirin

  • Peneliti AI
  • Ilmuwan Data
  • Machine Learning Insinyur
  • Pengembang Perangkat Lunak yang tertarik dengan NLP
 21 Hours

Number of participants


Price per participant

Upcoming Courses (Minimal 5 peserta)

Related Categories