Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Introdução aos LLMs e à IA generativa
- Exploração de técnicas e modelos
- Discutir aplicações e casos de utilização
- Identificar desafios e limitações
Utilização de LLMs para tarefas de NLU
- Análise de sentimentos
- Reconhecimento de entidades nomeadas
- Extração de relações
- Análise semântica
Utilização de LLMs para tarefas NLI
- Deteção de enredos
- Deteção de contradições
- Deteção de paráfrases
Utilização de LLMs para gráficos de conhecimento
- Extração de factos e relações do texto
- Inferir factos novos ou em falta
- Utilização de gráficos de conhecimento para tarefas a jusante
Utilização de LLMs para raciocínio de senso comum
- Geração de explicações, hipóteses e cenários plausíveis
- Utilizar bases de conhecimento e conjuntos de dados de senso comum
- Avaliar o raciocínio de senso comum
Utilização de LLMs para geração de diálogos
- Gerar diálogos com agentes de conversação, chatbots e assistentes virtuais
- Gerir diálogos
- Utilização de conjuntos de dados e métricas de diálogos
Utilização de LLMs para geração multimodal
- Geração de imagens a partir de texto
- Geração de texto a partir de imagens
- Geração de vídeos a partir de texto ou imagens
- Geração de áudio a partir de texto
- Geração de texto a partir de áudio
- Geração de modelos 3D a partir de texto ou imagens
Utilizar LLMs para meta-aprendizagem
- Adaptar LLMs a novos domínios, tarefas ou linguagens
- Aprender a partir de exemplos com poucos ou nenhuns disparos
- Utilizar conjuntos de dados e quadros de meta-aprendizagem e aprendizagem por transferência
Utilização de LLMs para aprendizagem adversária
- Defender as LLM de ataques maliciosos
- Deteção e atenuação de enviesamentos e erros nas LLMs
- Utilização de conjuntos de dados e métodos de aprendizagem adversarial e de robustez
Avaliar LLMs e IA generativa
- Avaliar a qualidade e a diversidade dos conteúdos
- Utilizando métricas como a pontuação inicial, a distância inicial de Fréchet e a pontuação BLEU
- Utilizando métodos de avaliação humana, como crowdsourcing e inquéritos
- Utilização de métodos de avaliação adversários, como testes de Turing e discriminadores
Aplicação de princípios éticos para LLMs e IA generativa
- Garantir a equidade e a responsabilidade
- Evitar a má utilização e o abuso
- Respeitar os direitos e a privacidade dos criadores de conteúdos e dos consumidores
- Promover a criatividade e a colaboração entre humanos e IA
Resumo e próximos passos
Requisitos
- Conhecimento dos conceitos e da terminologia básicos da IA
- Experiência em programação Python e análise de dados
- Familiaridade com quadros de aprendizagem profunda, como TensorFlow ou PyTorch
- Uma compreensão dos conceitos básicos de LLMs e suas aplicações
Público-alvo
- Cientistas de dados
- Programadores de IA
- Entusiastas de IA
21 Horas
