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.
Struttura del corso
Introduzione agli LLM e all'IA generativa
- Esplorazione di tecniche e modelli
- Discussione di applicazioni e casi d'uso
- Identificare le sfide e i limiti
Utilizzo di LLM per le attività NLU
- Analisi del sentiment
- Riconoscimento delle entità denominate
- Estrazione delle relazioni
- Analisi semantica
Utilizzo degli LLM per le attività NLI
- Rilevamento del coinvolgimento
- Rilevamento delle contraddizioni
- Rilevamento della parafrasi
Utilizzo degli LLM per i Knowledge Graph
- Estrazione di fatti e relazioni dal testo
- Deduzione di fatti mancanti o nuovi
- Utilizzo dei knowledge graph per le attività a valle
Usare gli LLM per il ragionamento basato sul buon senso
- Generazione di spiegazioni, ipotesi e scenari plausibili
- Utilizzo di knowledge base e set di dati basati sul buon senso
- Valutare il ragionamento basato sul buon senso
Utilizzo degli LLM per la generazione di dialoghi
- Generazione di dialoghi con agenti conversazionali, chatbot e assistenti virtuali
- Gestione dei dialoghi
- Utilizzo di set di dati e metriche di dialogo
Utilizzo degli LLM per la generazione multimodale
- Generazione di immagini da testo
- Generazione di testo da immagini
- Generazione di video da testo o immagini
- Generazione di audio da testo
- Generazione di testo dall'audio
- Generazione di modelli 3D da testo o immagini
Utilizzo degli LLM per il meta-apprendimento
- Adattare gli LLM a nuovi domini, attività o lingue
- Imparare da esempi con pochi colpi o zero colpi
- Utilizzo di set di dati e framework di meta-apprendimento e apprendimento di trasferimento
Utilizzo degli LLM per l'apprendimento contraddittorio
- Difendere gli LLM da attacchi dannosi
- Rilevamento e mitigazione di pregiudizi ed errori negli LLM
- Utilizzo di set di dati e metodi di apprendimento contraddittorio e robustezza
Valutazione degli LLM e dell'IA generativa
- Valutare la qualità e la diversità dei contenuti
- Utilizzo di metriche come il punteggio di inizio, la distanza di nascita di Fréchet e il punteggio BLEU
- Utilizzo di metodi di valutazione umana come il crowdsourcing e i sondaggi
- Utilizzo di metodi di valutazione contraddittoria come i test di Turing e i discriminatori
Applicazione dei principi etici per gli LLM e l'IA generativa
- Garantire l'equità e la responsabilità
- Evitare l'uso improprio e l'abuso
- Rispetto dei diritti e della privacy dei creatori di contenuti e dei consumatori
- Promuovere la creatività e la collaborazione tra l'uomo e l'IA
Riepilogo e prossime tappe
Requisiti
- Comprensione dei concetti e della terminologia di base dell'IA
- Esperienza con Python programmazione e analisi dei dati
- Familiarità con framework di deep learning come TensorFlow o PyTorch
- Comprensione delle basi degli LLM e delle loro applicazioni
Pubblico
- Scienziati dei dati
- Sviluppatori di intelligenza artificiale
- Appassionati di IA
21 ore
