コース概要

LLM と生成 AI の概要

  • テクニックとモデルの探索
  • アプリケーションとユースケースについてのディスカッション
  • 課題と限界を特定する

NLU タスクでの LLM の使用

  • 感情分析
  • 固有表現の認識
  • 関係抽出
  • セマンティック解析

NLI タスクでの LLM の使用

  • 含意の検出
  • 矛盾の検出
  • 言い換えの検出

ナレッジグラフに LLM を使用する

  • テキストからの事実と関係の抽出
  • 欠落している事実または新しい事実を推測する
  • 下流タスクでのナレッジ グラフの使用

常識的な推論のための LLM の使用

  • もっともらしい説明、仮説、シナリオの生成
  • 常識的な知識ベースとデータセットの使用
  • 常識的な推論の評価

対話生成のための LLM の使用

  • 会話型エージェント、チャットボット、仮想アシスタントとの対話の生成
  • ダイアログの管理
  • 対話データセットと指標の使用

マルチモーダル生成のための LLM の使用

  • テキストから画像を生成する
  • 画像からテキストを生成する
  • テキストまたは画像からビデオを生成する
  • テキストから音声を生成する
  • 音声からテキストを生成する
  • テキストまたは画像から 3D モデルを生成する

メタ学習のための LLM の使用

  • LLM を新しいドメイン、タスク、または言語に適応させる
  • 数ショットまたはゼロショットの例から学ぶ
  • メタ学習と転移学習のデータセットとフレームワークの使用

敵対的学習のための LLM の使用

  • 悪意のある攻撃から LLM を防御する
  • LLM のバイアスとエラーを検出して軽減する
  • 敵対的学習と堅牢性のデータセットと手法の使用

LLM と生成 AI の評価

  • コンテンツの品質と多様性の評価
  • インセプションスコア、Fréchet インセプション距離、BLEU スコアなどの指標の使用
  • クラウドソーシングやアンケートなどの人的評価手法を活用する
  • チューリング テストやディスクリミネーターなどの敵対的評価手法の使用

LLM と生成 AI への倫理原則の適用

  • 公平性と説明責任の確保
  • 誤用や乱用を避ける
  • コンテンツ作成者と消費者の権利とプライバシーの尊重
  • 人間とAIの創造性とコラボレーションを育む

概要と次のステップ

要求

  • AI の基本的な概念と用語の理解
  • Python 件のプログラミングとデータ分析の経験
  • TensorFlow や PyTorch などの深層学習フレームワークに精通していること
  • LLM の基本とその応用についての理解

観客

  • データサイエンティスト
  • AI開発者
  • AI 愛好家
 21 時間

参加者の人数



Price per participant

お客様の声 (1)

関連コース

関連カテゴリー