Озираючись назад, можна сказати, що важливість графічних процесорів для штучного інтелекту була тим, що ми дійсно зрозуміли правильно!

Новий захоплюючий професійний сертифікат: PyTorch для глибокого навчання, який викладає @lmoroney, тепер доступний за адресою . Це остаточна програма для вивчення PyTorch, яка є однією з основних основ, які дослідники використовують для створення проривних систем штучного інтелекту. Якщо ви хочете зрозуміти, як працюють сучасні моделі глибокого навчання, або створити власні власні архітектури, PyTorch надає вам прямий контроль над ключовими аспектами розробки моделі. Цей професійний сертифікат із трьох курсів проведе вас від основ до передових архітектур та розгортання: Курс 1: PyTorch: Fundamentals - Дізнайтеся, як PyTorch представляє дані за допомогою тензорів і як набори даних вписуються в навчальний процес. Ви будете крок за кроком будувати та тренувати нейронні мережі, відстежувати прогрес тренувань та оцінювати продуктивність. Наприкінці ви зрозумієте робочий процес PyTorch і будете готові проектувати, тренувати та тестувати власні моделі. Курс 2: PyTorch: Методи та інструменти екосистеми - Опануйте оптимізацію гіперпараметрів, профілювання моделей та ефективність робочого процесу. Ви будете використовувати планувальники швидкості навчання, вирішувати проблеми перенавчання та застосовувати автоматичне налаштування за допомогою Optuna. Працюйте з TorchVision для візуального ШІ та Hugging Face для НЛП. Вивчіть трансферне навчання та точно налаштовуйте попередньо підготовлені моделі для нових завдань. Курс 3: PyTorch: Advanced Architectures and Deployment - Створюйте складні архітектури, включаючи Siamese Networks, ResNet, DenseNet та Transformers. Дізнайтеся, як механізми уваги живлять сучасні мовні моделі та як дифузійні моделі генерують зображення. Підготуйте моделі для розгортання за допомогою ONNX, MLflow, обрізки та квантування. Навички, які ви отримаєте: - Створення та оптимізація нейронних мереж у PyTorch — фреймворку, який дослідники використовують для створення проривних моделей - Тонке налаштування попередньо навчених моделей для завдань комп'ютерного зору та NLP — адаптація існуючих моделей для вирішення ваших конкретних проблем - Впроваджувати трансформаторні архітектури та працювати з дифузійними моделями, основними технологіями, що лежать в основі ChatGPT та сучасною генерацією зображень. - Оптимізуйте моделі за допомогою квантування та обрізки, щоб зробити їх швидкими та ефективними для розгортання в реальному світі. Незалежно від того, чи хочете ви використовувати вже існуючі моделі, створювати власні власні моделі або просто розуміти, що відбувається під капотом систем, які ви використовуєте, ця спеціалізація дасть вам цю основу. Почніть вивчати PyTorch:

Новий захоплюючий курс: Fine-tuning and Reinforcement Learning for LLMS: Intro to Post-training, який викладає @realSharonZhou, віце-президент зі штучного інтелекту в @AMD. Тепер доступний за адресою . Пост-тренінг – це ключова техніка, яка використовується прикордонними лабораторіями, щоб перетворити базовий LLM – модель, навчену на масивному тексті без міток для передбачення наступного слова/токена – на корисного, надійного помічника, який може слідувати інструкціям. Я також бачив багато додатків, де посттренінг – це те, що перетворює демо-додаток, який працює лише 80% часу, на надійну систему, яка стабільно працює. Цей курс навчить вас найважливішим технікам після тренування! У цьому 5-модульному курсі Шерон проведе вас через повний конвеєр після навчання: тонке налаштування під наглядом, моделювання винагороди, RLHF і такі методи, як PPO та GRPO. Ви також навчитеся використовувати LoRA для ефективного навчання та розробляти евали, які виявляють проблеми до та після розгортання. Навички, які ви отримаєте: - Застосовуйте контрольоване тонке налаштування та навчання з підкріпленням (RLHF, PPO, GRPO) для узгодження моделей з бажаною поведінкою - Використовуйте LoRA для ефективного тонкого налаштування без перенавчання цілих моделей - Підготовка наборів даних та генерація синтетичних даних для посттренувальних - Розуміти, як працювати з виробничими конвеєрами LLM з точками прийняття рішень «так/ні» та циклами зворотного зв'язку Ці передові методи більше не обмежуються лабораторіями передового штучного інтелекту, і тепер ви можете використовувати їх у власних програмах. Дізнайтеся тут: