Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
コース概要
はじめに
- 4]とは?
- LLMと従来の自然言語処理モデルの比較
- LLMの特徴とアーキテクチャの概要
- LLMの課題と限界
LLMの理解
- LLMのライフサイクル
- LLMの仕組み
- LLMの主な構成要素:エンコーダー、デコーダー、アテンション、エンベッディングなど
はじめに
- 開発環境のセットアップ
- 開発ツールとしてのLLMのインストール(例: Google Colab, [3]
LLMを使う
- 利用可能なLLMオプションの探索
- LLMの作成と使用
- カスタムデータセットでLLMを微調整する
テキスト要約
- テキスト要約のタスクとそのアプリケーションを理解する
- 抽出的、抽象的テキスト要約のためのLLMの使用
- ROUGE、BLEUなどのメトリクスを使って生成された要約の品質を評価する
質問応答
- 質問応答タスクの理解とその応用
- オープンドメインおよびクローズドドメインの質問に対するLLMの使用
- F1、EMなどのメトリクスを使用した生成された回答の正確さの評価
テキスト生成
- テキスト生成のタスクとその応用を理解する
- 条件付きおよび無条件のテキスト生成にLLMを使用する
- 温度、top-k、top-pなどのパラメータを使用して、生成されるテキストのスタイル、トーン、コンテンツを制御する。
LLMと他のフレームワークやプラットフォームとの統合
- LLMをPyTorchやTensorFlowと一緒に使う
- 0]やStreamlitでLLMを使う
- 1]oggleクラウドやAWSでLLMを使う
トラブルシューティング
- LLMの一般的なエラーやバグを理解する
- TensorBoardを使った学習プロセスの監視と可視化
- PyTorchLightningを使用して学習コードを簡素化し、パフォーマンスを向上させる
- 3]データセットを使用してデータをロードし、前処理を行う
まとめと次のステップ
要求
- 自然言語処理と深層学習の理解 Python および PyTorch または TensorFlow の経験 基本的なプログラミングの経験
観客
- 開発者 NLP 愛好家 データ サイエンティスト
14 時間