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
Treinamento Corporativo Personalizado
Soluções de treinamento projetadas 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.
Preço por grupo privado, treinamento online ao vivo, a partir de 3900 € + VAT*
Entre em contato conosco para obter um orçamento preciso e conhecer nossas promoções mais recentes
