สถาปัตยกรรม LLM และการเตรียมข้อมูลสำหรับ Generative AI

แบบจำลองภาษาขนาดใหญ่กำลังปรับเปลี่ยนภูมิทัศน์ทางเทคโนโลยี แต่ความลับสู่ความสำเร็จของพวกมันอยู่ที่การออกแบบภายในและคุณภาพของข้อมูลที่พวกมันใช้ หลักสูตรนี้มอบเส้นทางที่ชัดเจนและเน้นข้อความสำหรับทุกคนที่ต้องการทำความเข้าใจว่าระบบที่ซับซ้อนเหล่านี้ถูกสร้างขึ้นมาอย่างไร และจะเตรียมข้อมูลสำหรับการประมวลผลของ AI ได้อย่างไร คุณจะได้เรียนรู้ตั้งแต่แนวคิดพื้นฐานไปจนถึงตรรกะเชิงปฏิบัติเบื้องหลังแบบจำลองที่ทันสมัยที่สุดที่ใช้ในปัจจุบัน เมื่อจบคอร์สนี้ คุณจะมีความเข้าใจอย่างถ่องแท้เกี่ยวกับการเลือกสถาปัตยกรรมที่กำหนด Generative AI และไปป์ไลน์ข้อมูลที่ทำให้พวกมันทำงานได้ คุณจะสามารถอธิบายได้ว่าแบบจำลองเรียนรู้รูปแบบต่างๆ ได้อย่างไร และขั้นตอนใดบ้างที่จำเป็นเพื่อให้แน่ใจว่าข้อมูลพร้อมสำหรับการฝึกอบรม (training) หรือการปรับจูน (fine-tuning) สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจวิวัฒนาการจากโครงข่ายประสาทเทียมพื้นฐาน (basic neural networks) ไปจนถึงสถาปัตยกรรมที่ใช้ Transformer ที่ทันสมัย - เรียนรู้กลไกของ self-attention และวิธีที่แบบจำลองประมวลผลและสร้างข้อความที่เหมือนมนุษย์ - ฝึกฝนเทคนิคการทำความสะอาดข้อมูล (data cleaning), การทำให้เป็นมาตรฐาน (normalization) และ tokenization สำหรับชุดข้อมูลขนาดใหญ่ - สำรวจบทบาทของ vector databases และ retrieval-augmented generation (RAG) ในเวิร์กโฟลว์ AI ปัจจุบัน - แยกแยะระหว่างประเภทแบบจำลองต่างๆ รวมถึง GANs, RNNs และ diffusion models - ประยุกต์ใช้พื้นฐาน prompt engineering เพื่อควบคุมและปรับปรุงผลลัพธ์ของแบบจำลองให้ดียิ่งขึ้น หลักสูตรเริ่มต้นด้วยการแนะนำคำศัพท์ AI และประวัติความเป็นมาของการสร้างแบบจำลองลำดับ (sequence modeling) อย่างละเอียด ก่อนที่จะเข้าสู่รายละเอียดเฉพาะของการออกแบบแบบจำลองที่ทันสมัยและกลยุทธ์การเตรียมข้อมูล แนวทางที่มีโครงสร้างนี้ช่วยให้คุณสร้างรากฐานทางทฤษฎีที่แข็งแกร่งก่อนที่จะสำรวจว่าระบบเหล่านี้ถูกนำไปใช้ในสถานการณ์จริงได้อย่างไร หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้น ผู้ที่ชื่นชอบข้อมูล และวิศวกรที่ต้องการทำความเข้าใจการทำงานภายในของ Generative AI โดยไม่จำเป็นต้องมีประสบการณ์มาก่อนในสาขานี้ เริ่มสร้างความรู้พื้นฐานเกี่ยวกับสถาปัตยกรรม Generative AI ได้แล้ววันนี้