Begin your journey with Large Language Models (LLMs) by understanding what they are and what they can do, and peek under the hood to get an idea of how they work!

Pengantar large language models (LLMs)

Menggunakan pipeline untuk peringkasan

Merapikan balasan

Menggunakan LLM pra-terlatih

Membuat teks

Menerjemahkan teks

Memahami transformer

Identifikasi transformer

Menggunakan struktur model yang tepat

Getting Started with Large Language Models (LLMs)

Learn how to leverage pre-trained LLMs and datasets from Hugging Face to fine-tune a model.

Preparing for fine-tuning

Tokenizing text

Mapping tokenization

Fine-tuning through training

Setting up training arguments

Setting up the trainer

Using the fine-tuned model

Fine-tuning approaches

Transfer learning with one-shot learning

Transfer learning approaches

Fine-tuning LLMs

Dive into different metrics to assess model performance and wrap up by learning about the challenges of applying LLMs in the real world.

The evaluate library

Loading metrics with evaluate

Describing metrics

Using evaluate metrics

Metrics for language tasks: perplexity and BLEU

Evaluating perplexity

BLEU translations

Metrics for language tasks: ROUGE, METEOR, EM

Evaluating with ROUGE

Evaluating with METEOR

Evaluating with EM

Safeguarding LLMs

Checking toxicity

Evaluating regard

The finish line

Evaluating LLM performance

Course Glossary Introduction to LLMs in Python

Large Language Models (LLM) telah menjadi alat penting yang mendorong berbagai kemajuan dan aplikasi paling mengejutkan dalam lanskap AI saat ini. Kursus praktis ini akan membekali Anda dengan pengetahuan dan keterampilan untuk memahami, membangun, dan memanfaatkan kekuatan LLM guna menyelesaikan tugas bahasa yang kompleks seperti penerjemahan, pembuatan bahasa, tanya jawab, dan lainnya. Melalui latihan pemrograman interaktif, Anda akan belajar bekerja dengan transformer. Anda juga akan menjelajahi model bahasa pra-latih dan himpunan data dari Hugging Face. Pada akhir kursus, Anda akan dapat melakukan fine-tuning dan mengevaluasi LLM pra-latih menggunakan metrik khusus. Anda juga akan memahami tantangan utama dan pertimbangan etis dalam menerapkan LLM pada aplikasi dunia nyata.

Video dilengkapi transkrip langsung yang dapat Anda tampilkan dengan mengeklik "Show transcript" di kiri bawah video.
Glosarium kursus dapat ditemukan di sebelah kanan pada bagian sumber daya.
Untuk memperoleh kredit CPE, Anda perlu menyelesaikan kursus dan mencapai skor 70% pada asesmen yang memenuhi syarat. Anda dapat membuka asesmen dengan mengeklik pemberitahuan kredit CPE di sebelah kanan.

Working with Hugging Face

Pelajari dasar-dasar LLM dan arsitektur transformer revolusioner yang menjadi dasarnya!

Pengantar LLM di Python

Pelajari seluk-beluk LLM dan arsitektur transformer revolusioner yang menjadi dasarnya!

Insinyur AI Asisten untuk Ilmuwan Data

Pengembangan Model Bahasa Besar

Dasar-Dasar Hugging Face

Dasar-Dasar Snowflake AI

Membuat teks

Pengantar LLM di Python

Petunjuk latihan

Latihan interaktif praktis