コース概要

生成AIの導入

  • 生成AIとは何か、なぜ重要なのか?
  • 生成AIの主な種類と手法
  • 生成AIの主要な課題と制約

トランスフォーマー構造とLLMs

  • トランスフォーマーとは何か、どのように機能するのか?
  • トランスフォーマーの主なコンポーネントと特徴
  • トランスフォーマーを使用してLLMsを構築する方法

スケーリング法則と最適化

  • スケーリング法則とは何か、なぜLLMsにとって重要なのか?
  • スケーリング法則がモデルサイズ、データサイズ、計算予算、推論要件とどのように関連しているか?
  • スケーリング法則がLLMsの性能と効率を最適化するためにどのように役立つか?

LLMsの訓練と微調整

  • スクラッチからLLMsを訓練する主な手順と課題
  • 特定のタスク向けにLLMsを微調整することの利点と欠点
  • LLMsの訓練と微調整におけるベストプラクティスとツール

LLMsの展開と利用

  • 生産環境でLLMsを展開する主な考慮事項と課題
  • 各種ドメインや業界でのLLMsの一般的なユースケースとアプリケーション
  • LLMsを他のAIシステムやプラットフォームと統合する方法

生成AIの倫理と未来

  • 生成AIとLLMsの倫理的および社会的な影響
  • 偏り、誤情報、操作などの生成AIとLLMsの潜在的なリスクと害
  • 生成AIとLLMsの責任ある有益な利用方法

まとめと今後のステップ

要求

  • 機械学習の概念(監督学習と非監督学習、損失関数、データ分割)を理解していること
  • Pythonプログラミングとデータ操作の経験があること
  • ニューラルネットワークと自然言語処理の基本的な知識があること

対象者

  • 開発者
  • 機械学習愛好家
 21 時間

参加者の人数


参加者1人当たりの料金

お客様の声 (7)

今後のコース

関連カテゴリー