Mokymų teikėjo pateikta informacija
Kursas skirtas programuotojams, turintiems Python programavimo kalbos pagrindus ir norintiems giliau susipažinti su didžiaisiais kalbos modeliais (angl. LLM). Teorinių paskaitų ir praktinių užsiėmimų metu aptariama, ką LLM gali atlikti, gilinamasi į užklausų inžineriją, API prieigą prie skirtingų modelių: komercinius ir atviro kodo modelius. Dalyviai supažindinami kaip LLM yra mokomi ir kaip geriau programuoti naudojant šiuos modelius. Be to, kurso metu bus analizuojama kas yra RAG (ang. retrieval augumented generation) ir jo praktinis pritaikymas. Taip pat bus gilinamasi į LLM mokymo procesus, jų kokybės vertinimą bei saugumo problemas, kurios gali kilti naudojant šiuos modelius ir galiausiai kaip teksto modeliai sąveikauja su vaizdais, bei kaip juos galima sujungti ir prasmingai panaudoti.
—
—
| Temos pavadinimas | Trumpas temos aprašymas |
|---|---|
| 1. Įvadas į LLM | Pagrindinės sąvokos ir principai, LLM modelių struktūra ir taikymas |
| 2. Užklausų inžinerija | Užklausų formavimas LLM modeliams, siekiant norimų rezultatų |
| 3. Užklausų inžinerija naudojant API | LLM modelių API integracija ir valdymas |
| 4. Programavimas naudojant LLM | Programavimo LLM įrankiais pagrindai |
| 5. Kiti LLM modeliai | Apžvalga atvirojo kodo ir komercinių LLM modelių, jų palyginimas |
| 6. LLM mokymo procesas | LLM modelių mokymo metodų analizė |
| 7. Detalus LLM mokymo procesas | Išsami LLM mokymo technikų analizė |
| 8. RAG technologija | Paieška, papildyta generavimu (RAG), ir jos pritaikymas |
| 9. LLM saugumas ir veikimo vertinimas | LLM saugumo ir našumo vertinimas realių taikymų kontekste |
| 10. Užklausų inžinerija vaizdų generavimui | Užklausų generavimo technikos vaizdų kūrimui su LLM |
—
—
Mokymosi programos trukmė: 54 akad. val.
Praktinio kontaktinio darbo trukmė: 38 akad. val.
Teorinio kontaktinio darbo trukmė: 16 akad. val.
Savarankiško darbo trukmė: 71 akad. val.
Įgytų kompetencijų vertinimo sistema / skalė: 1-10
Tvarkaraščių duomenų nėra.
Įvertinimų dar nėra.