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 ai modelli linguistici di piccole dimensioni (SLM)
- Panoramica dei modelli linguistici
- Evoluzione dai modelli linguistici di grandi dimensioni a quelli di piccole dimensioni
- Architettura e progettazione di SLM
- Vantaggi e limiti degli SLM
Fondamenti tecnici
- Comprendere le reti neurali e i parametri
- Processi di formazione per SLM
- Requisiti dei dati e ottimizzazione del modello
- Metriche di valutazione per i modelli linguistici
SLM nell'elaborazione del linguaggio naturale
- Generazione di testo con SLM
- Traduzione e localizzazione linguistica
- Analisi del sentiment e classificazione del testo
- Risposta alle domande e chatbot
Applicazioni reali degli SLM
- Applicazioni per dispositivi mobili: elaborazione linguistica sul dispositivo
- Sistemi embedded: SLM nei dispositivi IoT
- IA che preserva la privacy: trattamento locale dei dati
- Edge computing: SLM in ambienti a bassa latenza
Casi di studio
- Analisi delle distribuzioni riuscite di SLM
- Applicazioni specifiche del settore (Sanità, Finance, ecc.)
- Studio comparativo: SLM vs. modelli di grandi dimensioni in produzione
Direzioni future
- Tendenze della ricerca negli SLM
- Sfide in termini di scalabilità e distribuzione
- Considerazioni etiche e IA responsabile
- La strada da percorrere: SLM di nuova generazione
Laboratori pratici
- Creazione di un semplice SLM per la generazione di testo
- Integrazione di SLM nelle app per dispositivi mobili
- Messa a punto di SLM per attività specifiche
- Analisi delle prestazioni e interpretabilità dei modelli
Progetto Capstone
- Identificazione di uno spazio problematico per l'applicazione SLM
- Progettazione e implementazione di una soluzione SLM
- Test e iterazione del modello
- Presentazione del progetto e dei risultati
Riepilogo e prossime tappe
Requisiti
- Conoscenza di base dei concetti di Machine Learning
- Familiarità con la programmazione Python
- Conoscenza delle reti neurali e del deep learning
Pubblico
- Scienziati dei dati
- Sviluppatori di software
- Appassionati di IA
14 ore