Entrar em Contato
 Duração 14 horas

Programa do Curso

Introdução

  • O que são os Modelos de Linguagem de Grande Escala (LLMs)?
  • LLMs vs modelos NLP tradicionais
  • Visão geral das funcionalidades e arquitetura dos LLMs
  • Desafios e limitações dos LLMs

Compreensão dos LLMs

  • O ciclo de vida de um LLM
  • Como funcionam os LLMs
  • Os principais componentes de um LLM: codificador, decodificador, atenção (attention), incorporações (embeddings), etc.

Começar a Trabalhar

  • Configuração do Ambiente de Desenvolvimento
  • Instalação de um LLM como ferramenta de desenvolvimento, ex.: Google Colab, Hugging Face

Trabalhar com LLMs

  • Exploração das opções de LLMs disponíveis
  • Criação e utilização de um LLM
  • Ajuste fino (fine-tuning) de um LLM num conjunto de dados personalizado

Resumo de Texto

  • Compreensão da tarefa de resumo de texto e suas aplicações
  • Utilização de um LLM para resumo de texto extrativo e abstrativo
  • Avaliação da qualidade dos resumos gerados utilizando métricas como ROUGE, BLEU, etc.

Resposta a Perguntas

  • Compreensão da tarefa de resposta a perguntas e suas aplicações
  • Utilização de um LLM para resposta a perguntas em domínio aberto e fechado
  • Avaliação da precisão das respostas geradas utilizando métricas como F1, EM, etc.

Geração de Texto

  • Compreensão da tarefa de geração de texto e suas aplicações
  • Utilização de um LLM para geração de texto condicional e incondicional
  • Controlo do estilo, tom e conteúdo dos textos gerados utilizando parâmetros como temperatura, top-k, top-p, etc.

Integração de LLMs com Outras Plataformas e Frameworks

  • Utilização de LLMs com PyTorch ou TensorFlow
  • Utilização de LLMs com Flask ou Streamlit
  • Utilização de LLMs com Google Cloud ou AWS

Resolução de Problemas

  • Compreensão dos erros e bugs comuns em LLMs
  • Utilização do TensorBoard para monitorizar e visualizar o processo de treino
  • Utilização do PyTorch Lightning para simplificar o código de treino e melhorar o desempenho
  • Utilização dos Hugging Face Datasets para carregar e pré-processar os dados

Resumo e Próximos Passos

Requisitos

  • Compreensão do processamento de linguagem natural e do aprendizado profundo (deep learning)
  • Experiência com Python e PyTorch ou TensorFlow
  • Experiência básica de programação

Público-Alvo

  • Desenvolvedores
  • Entusiastas de NLP
  • Cientistas de Dados

Formação Empresarial Personalizada

Soluções de formação concebidas exclusivamente para empresas.

  • Conteúdo Personalizado: Adaptamos o programa e os exercícios práticos aos objetivos e necessidades reais do seu projeto.
  • Horário Flexível: Datas e horários adaptados à agenda da sua equipe.
  • Formato: Online (ao vivo), In-Company (em suas instalações) ou Híbrido.
Investimento

Preço por grupo privado, formação online em direto, a partir de 2600 € + VAT*

Entre em contato conosco para obter um orçamento preciso e conhecer nossas promoções mais recentes

Próximas Formações Provisórias

Categorias Relacionadas