Decostruire il trasformatore: LLM da Embeddings all'attenzione

Per sfruttare appieno la potenza dell'intelligenza artificiale generativa, gli sviluppatori devono comprendere i meccanismi sottostanti che guidano questi potenti strumenti, in modo da poterli utilizzare per migliorare le prestazioni e la produttività. Questo corso fornisce una ripartizione pratica e basata sul concetto dell'architettura Transformer, il motore di tutti i moderni LLM.Alla fine, passerai da un consumatore di LLM a uno sviluppatore che comprende il loro funzionamento interno, consentendo uno sviluppo e una risoluzione dei problemi più intelligenti. Cosa imparerai: * Comprendere i fondamenti matematici delle incorporazioni di parole e dei processi di tokenizzazione. * Padroneggiare il concetto del meccanismo Attention e come elabora le dipendenze sequenziali nei dati. * Applicare la conoscenza degli stack Encoder e Decoder all'interno dell'architettura completa del trasformatore. * Scopri come la codifica posizionale consente ai modelli di elaborare efficacemente le informazioni sequenziali. * Praticare efficaci tecniche di Prompt Engineering per controllare in modo affidabile l'output e il comportamento del modello. * Configurare i modelli di base di Retrieval-Augmented Generation (RAG) per la messa a terra di LLM in fonti di dati esterne. Iniziamo definendo la terminologia essenziale ed esplorando come il linguaggio naturale viene convertito in vettori utilizzabili, quindi disimballiamo sistematicamente i componenti principali del trasformatore, culminando in strategie pratiche per interagire e distribuire i moderni LLM. Questo corso è progettato per sviluppatori, ingegneri e appassionati tecnici che sono nuovi alla meccanica interna dell'IA generativa.Non è richiesta alcuna esperienza di deep learning precedente; iniziamo con concetti fondamentali. Inizia oggi stesso a costruire solide basi tecniche per lavorare con i modelli di linguaggio di grandi dimensioni.