Large Language Model 课程可以帮助您学习自然语言处理、文本生成技术和模型评估方法。您可以掌握微调模型、理解 Tokenization 以及实施合乎道德的 AI 实践的技能。许多课程介绍了 TensorFlow 和 PyTorch 等工具,以及 Hugging Face Transformer 等库,这些库支持开发和部署利用大型语言模型的 AI 应用程序。

DeepLearning.AI
您将获得的技能: 生成式人工智能, 大型语言模型, 机器学习, 可扩展性, Python 程序设计, PyTorch(机器学习库), 负责任的人工智能, 应用机器学习, Prompt Engineering, 自然语言处理, 强化学习, 性能调整
中级 · 课程 · 1-4 周

Google Cloud
您将获得的技能: 大型语言模型, Prompt Engineering, 生成式人工智能, 生成模型架构, LLM 申请, 提示模式
初级 · 课程 · 1-4 周

Vanderbilt University
您将获得的技能: LLM 申请, 人工智能和机器学习(AI/ML), Prompt Engineering, 大型语言模型, ChatGPT, 生成式人工智能, 人工智能, 解决问题, 创造性地解决问题, 提示模式, 创造性思维, 生产率, OpenAI
初级 · 课程 · 1-3 个月

Duke University
您将获得的技能: 阿帕奇气流, LLM 申请, 大型语言模型, AWS SageMaker, 生成模型架构, 数据库, 可扩展性, 生成式人工智能, ChatGPT, 性能分析, MLOps(机器学习 Operator), 工作流程管理, Prompt Engineering, 数据库管理系统, 多模式 Prompt, 数据湖, 摘录, 性能调整, 亚马逊基岩, OpenAI
初级 · 专项课程 · 3-6 个月

您将获得的技能: Prompt Engineering, Large Language Modeling, Generative AI, PyTorch (Machine Learning Library), LLM Application, Natural Language Processing, Artificial Intelligence and Machine Learning (AI/ML), Data Pipelines, Text Mining, Data Ethics, Artificial Intelligence, Deep Learning, Performance Tuning, Applied Machine Learning, Data Processing, Artificial Neural Networks, Reinforcement Learning, Document Management, Database Management Systems, Data Storage Technologies
中级 · 专项课程 · 3-6 个月

DeepLearning.AI
您将获得的技能: AI 个性化服务, LLM 申请, 大型语言模型, Prompt Engineering, 网络模型
中级 · 项目 · 不超过 2 小时

IBM
您将获得的技能: 大型语言模型, 机器学习, Apache Spark, 无监督学习, 监督学习, 深度学习, Python 程序设计, 计算机视觉, Prompt Engineering, PySpark, 生成式人工智能, LLM 申请, 应用机器学习, Keras(神经网络库), PyTorch(机器学习库), 自然语言处理, 强化学习, 功能工程, 数据科学, Jupyter
攻读学位
中级 · 专业证书 · 3-6 个月

Google Cloud
您将获得的技能: 大型语言模型, 生成模型架构, 自然语言处理, 人工神经网络
高级设置 · 课程 · 1-4 周

您将获得的技能: Generative AI, Generative Model Architectures, Large Language Modeling, LLM Application, OpenAI, Multimodal Prompts, Responsible AI, Prompt Engineering, PyTorch (Machine Learning Library), Natural Language Processing, Image Analysis, Application Deployment
中级 · 课程 · 1-3 个月

H2O.ai
您将获得的技能: Large Language Modeling, LLM Application, Artificial Neural Networks, Deep Learning, Artificial Intelligence and Machine Learning (AI/ML), Generative AI, Data Management, Prompt Engineering, Training Programs, Data Validation, Data Cleansing, Program Evaluation, Natural Language Processing, Applied Machine Learning, MLOps (Machine Learning Operations), Data Transformation, Verification And Validation, Data Quality, Performance Tuning, Data Processing
中级 · 专项课程 · 3-6 个月

您将获得的技能: Prompt Engineering, Exploratory Data Analysis, Data Wrangling, Prompt Patterns, LangChain, Large Language Modeling, Unsupervised Learning, PyTorch (Machine Learning Library), ChatGPT, Generative AI, Restful API, Supervised Learning, Keras (Neural Network Library), Data Transformation, Feature Engineering, Flask (Web Framework), Data Analysis, Responsible AI, LLM Application, Data Import/Export
初级 · 专业证书 · 3-6 个月

IBM
您将获得的技能: 大型语言模型, 深度学习, 生成式人工智能, 负责任的人工智能, LLM 申请, Prompt Engineering, 生成模型架构, 自然语言处理, OpenAI
初级 · 课程 · 1-4 周
大型语言模型指的是在大量文本数据上经过训练的人工智能模型。 这些模型旨在理解和生成类似人类的文本,对提示或问题做出连贯且与上下文相关的回答。 大型语言模型在机器翻译、文本生成和问题解答系统等各种自然语言处理任务中发挥了重要作用。 它们大大提高了人工智能系统理解和生成人类语言的能力。
要想在大型语言模型 (LLM) 方面取得优异成绩,您应该重点培养以下技能:
自然语言处理(NLP):了解 NLP 的基础有助于理解大型语言模型中使用的算法和技术。 您应该学习标记化、句法和语义分析以及语言生成等知识,以便扎实地掌握 NLP 技术。
机器学习:大型语言模型在很大程度上依赖于机器学习技术,因此您应该掌握有监督和无监督学习以及深度学习算法的基本原理。 熟悉神经网络,尤其是广泛应用于语言建模的递归神经网络(RNN)和变换器。
编程:熟练掌握编程语言对于处理大型语言模型至关重要。 Python 在数据科学和机器学习领域尤其流行,因此熟练掌握 Python 编程将非常有价值。 此外,有关 TensorFlow 或 PyTorch 等框架的知识将帮助您有效地实施和训练大型语言模型。
数据预处理:准备数据是训练语言模型的关键一步。 学习如何处理原始文本数据,对其进行清理和规范化,并应用适当的预处理技术,如标记化、词干化和词素化。 了解如何预处理数据将提高语言模型输出的质量。
评估和微调:要衡量语言模型的性能,您应该熟悉语言任务的特定评估指标,如困惑度、BLEU 分数或 ROUGE 分数。 此外,了解如何在特定领域或任务中对预训练语言模型进行微调,也能大大提高其能力。
领域专业知识:根据您对大型语言模型的具体应用的兴趣,获取相关领域的知识会非常有益。 例如,如果您想研究医学文本的语言模型,对医学领域有扎实的了解可以帮助您创建更准确、更专业的模型。
通过开发这些技能,您可以提高大型语言模型的熟练程度,探索从聊天机器人和语言翻译到文本生成和情感分析等各种应用。
掌握了大型语言模型方面的技能,您就可以在产业界和学术界寻找各种职业机会。 与大型语言模型相关的一些潜在工作包括
研究科学家:作为研究科学家,您可以在尖端研究实验室或科技公司工作,为开发新的语言模型和改进现有模型做出贡献。
自然语言处理工程师:许多公司和组织都在投资自然语言处理(NLP)技术。 掌握大型语言模型技能后,您就可以担任 NLP 工程师,开发和部署语言模型,以解决复杂的自然语言处理任务。
数据科学家:拥有大型语言模型专业知识的数据科学家可以利用他们的技能来分析和解释大型文本数据集。 他们可以开发模型来提取洞察力、进行情感分析、自动生成文本或改进对话代理等应用。
机器学习工程师:作为机器学习工程师,您可以专门从事大型语言模型的训练、微调和部署,以用于聊天机器人、虚拟助手、推荐系统或自动内容生成等各种应用。
人工智能研究员:凭借在大型语言模型方面的深厚背景,您可以为研究和开发先进的人工智能系统做出贡献,推动自然语言理解和生成的发展。
请记住,大型语言模型领域正在迅速发展,随着技术的进步可能会出现新的机会,因此这是一个令人兴奋的领域,可以培养您的技能和专业知识。
想要提高团队的 LLM 技能?Coursera 为 5-125 人的团队提供量身定制的企业解决方案。我们的产品包括高级分析、定制学习路径和协作工具。要了解我们的 LLM 培训选项并进行购买,请访问我们的Coursera for Teams页面。