Optimizing Foundation Models (Thai)

Resumen

ในหลักสูตรนี้ คุณจะได้สำรวจเทคนิคในการปรับปรุงประสิทธิภาพของโมเดลพื้นฐาน (FM) สองประการ ได้แก่ Retrieval Augmented Generation (RAG) และการปรับละเอียด คุณจะได้เรียนรู้เกี่ยวกับบริการ Amazon Web Services (AWS) ที่ช่วยจัดเก็บการฝังข้อมูลด้วยฐานข้อมูลเวกเตอร์, บทบาทของเอเจนต์ในการทำงานหลายขั้นตอน, กำหนดวิธีการปรับแต่ง FM อย่างละเอียด, วิธีเตรียมข้อมูลสำหรับการปรับละเอียด และอื่นๆ

• ระดับหลักสูตร:

  พื้นฐาน

• ระยะเวลา:

  1 ชั่วโมง

หลักสูตรนี้ประกอบด้วยองค์ประกอบเชิงโต้ตอบ คำแนะนำแบบข้อความ และภาพประกอบ

ในหลักสูตรนี้ คุณจะได้เรียนรู้วิธีทำสิ่งต่อไปนี้

• ระบุบริการของ AWS ที่ช่วยจัดเก็บการฝังด้วยฐานข้อมูลเวกเตอร์
• ทำความเข้าใจบทบาทของเอเจนต์ในงานแบบหลายขั้นตอน
• ทำความเข้าใจแนวทางในการประเมินประสิทธิภาพของ FM
• ตรวจสอบว่า FM มีคุณสมบัติตรงตามวัตถุประสงค์ทางธุรกิจได้อย่างมีประสิทธิภาพ
• กำหนดวิธีการปรับแต่ง FM อย่างละเอียด
• อธิบายวิธีการเตรียมข้อมูลเพื่อปรับแต่ง FM อย่างละเอียด
• ตรวจสอบว่า FM มีคุณสมบัติตรงตามวัตถุประสงค์ทางธุรกิจได้อย่างมีประสิทธิภาพหรือไม่ ตามตัวชี้วัดทางธุรกิจที่ระบุในกรณีใช้งาน

หลักสูตรนี้จัดทำขึ้นสำหรับ:

• บุคคลที่สนใจเกี่ยวกับปัญญาประดิษฐ์และแมชชีนเลิร์นนิง (AI/ML) โดยไม่ขึ้นกับบทบาทงานใดเป็นการเฉพาะ

การปรับโมเดลพื้นฐานให้เหมาะสมเป็นส่วนหนึ่งของชุดสอนการสร้างรากฐานเกี่ยวกับปัญญาประดิษฐ์ แมชชีนเลิร์นนิง และ AI ช่วยสร้าง ขอแนะนำให้คุณศึกษาทั้งสองหลักสูตรนี้ให้เสร็จสิ้นก่อน หากคุณยังไม่ได้ศึกษา:

• Fundamentals of Machine Learning and Artificial Intelligence
• Exploring Artificial Intelligence Use Cases and Applications

หัวข้อที่ 1:

ความรู้เบื้องต้น

• วิธีใช้งานหลักสูตรนี้
• ภาพรวมหลักสูตร

ส่วนที่ 2:

การเพิ่มประสิทธิภาพโมเดลพื้นฐานด้วย Retrieval Augmented Generation

• เหตุผลทางธุรกิจ
• Retrieval Augmented Generation (RAG)
• เอเจนต์
• ประเมินผลลัพธ์
• ทดสอบความรู้

ส่วนที่ 3:

การเพิ่มประสิทธิภาพโมเดลพื้นฐานด้วยการปรับอย่างละเอียด

• เหตุผลทางธุรกิจ
• การปรับละเอียด
• การประเมินโมเดล
• ทดสอบความรู้

ส่วนที่ 4:

บทสรุป

• ทรัพยากร

---

Materias