Podcast Generatywna AI i LLM: Podstawy скачать в хорошем качестве

Podcast Generatywna AI i LLM: Podstawy

Witaj w podcaście "Generatywna AI i LLM: Od Podstaw do Wdrożenia w Przedsiębiorstwie" – Twoim przewodniku po rewolucji, którą sztuczna inteligencja wnosi w nasze życie osobiste i zawodowe!. Poznaj, jak generatywna AI (Gen AI) i duże modele językowe (LLM) zmieniają świat, tworząc zupełnie nowe treści i otwierając nieograniczone możliwości dla innowacji. Co odkryjesz w tym podcaście? • Fundamenty i Kontekst Historyczny AI: ◦ Prześledzimy ewolucję AI – od klasycznych systemów opartych na regułach z lat 50., przez uczenie maszynowe z lat 80., sieci neuronowe, głębokie uczenie, aż po przełomową architekturę Transformer z 2017 roku, która umożliwiła powszechne zastosowanie LLM. ◦ Zrozumiesz kluczowe terminy i koncepcje stojące za LLM, takie jak prompty, completions, wnioskowanie (inference) oraz znaczenie wektorowych osadzeń (vector embeddings), które pozwalają modelom analizować i porównywać dane w wielowymiarowej przestrzeni. ◦ Poznasz kluczową rolę danych w projektach AI – zarówno danych ustrukturyzowanych, jak i ogromnych ilości danych niestrukturalnych (tekst, audio, wideo), które stanowią 80-90% wszystkich danych przedsiębiorstw. Dowiemy się, jak wykorzystywać dane first-party, second-party i third-party do uzyskania przewagi konkurencyjnej. • Praktyczne Wdrożenie LLM w Biznesie: ◦ Dowiedz się, dlaczego Generatywna AI jest kluczowa dla przedsiębiorstw, automatyzując zadania, generując kod, usprawniając analizę danych i tworzenie treści, a także dostarczając spersonalizowane doświadczenia. ◦ Przejdziemy przez cykl życia projektu aplikacji LLM – od definiowania przypadku użycia i wyboru odpowiedniego modelu (ogólnego przeznaczenia, zadaniowego, domenowego) po jego adaptację i wdrożenie. ◦ Zagłębimy się w techniki adaptacji LLM, takie jak: ▪ Inżynieria promptów (Prompt engineering): Sztuka tworzenia instrukcji, które kierują model do pożądanych wyników (np. zero-shot, one-shot, few-shot prompting). ▪ Uczenie w kontekście (In-Context Learning - ICL): Dostarczanie modelowi danych prywatnych, aby zwiększyć jego trafność w konkretnych domenach. ▪ Retrieval-Augmented Generation (RAG): Łączenie LLM z systemami wyszukiwania wektorowego w celu dostarczania aktualnych i kontekstowych informacji. ▪ Fine-tuning (Dostrajanie): Dostosowywanie wstępnie wytrenowanych modeli do specyficznych zadań i potrzeb biznesowych. ▪ Uczenie wzmocnione z ludzkim sprzężeniem zwrotnym (RLHF): Udoskonalanie modeli w czasie rzeczywistym poprzez informację zwrotną od człowieka, poprawiając ich odpowiedzi i minimalizując szkodliwe treści. ◦ Poznaj wyzwania i rozwiązania związane z wdrażaniem aplikacji LLM do produkcji, w tym adaptację potoków danych (semantic caching, feature injection, context retrieval), przetwarzanie do wnioskowania (inference), tworzenie interfejsów użytkownika i orkiestrację agentów AI. • Bezpieczeństwo i Etyka w Świecie AI: ◦ Omówimy kluczowe kwestie bezpieczeństwa i zarządzania danymi (governance) w projektach AI, podkreślając potrzebę scentralizowanych platform danych w chmurze. ◦ Zwrócimy uwagę na ryzyka związane z uprzedzeniami (biases) w danych szkoleniowych oraz problem halucynacji modeli, czyli generowania przez nie błędnych lub fikcyjnych odpowiedzi. ◦ Poruszymy kwestie ryzyk związanych z otwartym źródłem oraz przestrzegania praw autorskich, co jest obecnie przedmiotem wielu sporów sądowych. Na podstawie Ksiazki: Generative AI and LLMs For Dummies, Snowflake Special Edition, © 2024 John Wiley & Sons Dla kogo jest ten podcast? Dla liderów biznesu, specjalistów ds. danych, programistów i wszystkich, którzy chcą zrozumieć, jak chmurowa platforma danych może pomóc w unifikacji danych, ich zabezpieczaniu i zarządzaniu w celu skutecznego wdrożenia inicjatyw Gen AI. Dołącz do nas, aby uwolnić pełny potencjał swoich danych, kształtować sposób działania Twojego biznesu i zdemokratyzować możliwości Generatywnej AI w całej organizacji!.