Đề cương khóa học

Giới thiệu về LLM mã nguồn mở

  • Tổng quan về DeepSeek, Mistral, LLaMA và các mô hình mã nguồn mở khác
  • Cách LLM hoạt động: Transformers, self-attention và quá trình huấn luyện
  • So sánh LLM mã nguồn mở so với các mô hình độc quyền

Fine-Tuning và Tùy chỉnh LLM

  • Chuẩn bị dữ liệu để tinh chỉnh
  • Huấn luyện và tối ưu hóa LLM bằng Hugging Face
  • Đánh giá hiệu suất mô hình và giảm thiểu sai lệch

Xây dựng AI Agents với LLM

  • Giới thiệu về LangChain để phát triển tác nhân AI
  • Thiết kế quy trình làm việc dựa trên tác nhân với LLM
  • Bộ nhớ, tạo tăng cường truy xuất (RAG) và thực thi hành động

Triển khai AI Agents dựa trên LLM

  • Container hóa tác nhân AI với Docker
  • Tích hợp LLM vào các ứng dụng doanh nghiệp
  • Mở rộng quy mô tác nhân AI với các dịch vụ đám mây và API

Bảo mật và Tuân thủ trong AI doanh nghiệp

  • Các cân nhắc về đạo đức và tuân thủ quy định
  • Giảm thiểu rủi ro trong tự động hóa dựa trên AI
  • Giám sát và kiểm tra hành vi của tác nhân AI

Nghiên cứu điển hình và Ứng dụng thực tế

  • Trợ lý ảo hỗ trợ LLM
  • Tự động hóa tài liệu hỗ trợ AI
  • Tác nhân AI tùy chỉnh cho phân tích doanh nghiệp

Tối ưu hóa và Duy trì Tác nhân dựa trên LLM

  • Cải thiện và cập nhật mô hình liên tục
  • Triển khai vòng lặp giám sát và phản hồi
  • Chiến lược tối ưu hóa chi phí và điều chỉnh hiệu suất

Tóm tắt và Các bước tiếp theo

Requirements

  • Hiểu biết vững chắc về AI và học máy
  • Có kinh nghiệm với lập trình Python
  • Làm quen với các mô hình ngôn ngữ lớn (LLM) và xử lý ngôn ngữ tự nhiên (NLP)

Đối tượng

  • Kỹ sư AI
  • Nhà phát triển phần mềm doanh nghiệp
  • Người lãnh đạo Business
 21 Hours

Number of participants


Price per participant

Provisional Upcoming Courses (Require 5+ participants)

Related Categories