Tous les cours actuels de Model Evaluation Courses en 2024
53 Cours
Create Image Captioning Models - 繁體中文
Créer des modèles de légende d'image - 繁體中文
Ce cours explique comment utiliser l'apprentissage profond pour créer des modèles de génération de légendes d'images. Vous apprendrez les différentes composantes des modèles de génération de légendes d'images, telles que l'encodeur et le décodeur, ainsi que comment entraîner et évaluer les modèles..
Desarrollo de soluciones de IA generativa (Español LATAM) | Developing Generative Artificial Intelligence Solutions (LATAM Spanish)
Développement de solutions d'IA générative (Français) | Developing Generative Artificial Intelligence Solutions (French)
Dans ce cours, vous explorerez le cycle de vie des applications d'intelligence artificielle générative (IA générative), y compris ce qui suit :
Définition d'un cas pratique commercial
Sélectio.
Selecting the Right LLM with Hugging Face
Il existe littéralement des milliers de Modèles de Langage Étendus ou LLM disponibles qui peuvent être utilisés pour une multitude de buts. Hugging Face est le hub incontournable pour les modèles de langage, offrant une vaste collection où vous pouvez trouver et utiliser presque tous les modèles dont vous avez besoin. Choisir le bon modèle pe.
Optimización de modelos fundacionales (Español LATAM) | Optimizing Foundation Models (LATAM Spanish)
Optimisation des modèles fondamentaux (Français) | Optimizing Foundation Models (French)
Dans ce cours, vous explorerez deux techniques pour améliorer les performances d'un modèle fondamental (Foundation Model, FM) : la génération augmentée par récupération (Retrieval Augmented Generation, RAG) et le réglage précis. Vous découvrirez les services d.
Developing Machine Learning Solutions (Indonesian)
Développer des Solutions de Machine Learning (Indonésien)
Dans ce cours de machine learning, vous apprendrez à propos du cycle de vie du machine learning et comment utiliser les services AWS à chaque étape. De plus, vous découvrirez diverses ressources pour les modèles de machine learning et apprendrez des techniques pour évaluer leurs performan.
Intermediate Data Manipulation and Machine Learning
Manipulation des Données Intermédiaire et Apprentissage Automatique | Coursera
Dans ce cours complet, vous allez explorer l'intelligence artificielle (IA) et ses concepts fondamentaux, formant une base solide pour l'apprentissage automatique. Vous vous plongerez dans l'analyse de régression, en appliquant des techniques de régressio.
Securing AI and Advanced Topics
Sécuriser l'IA et Sujets Avancés
Dans le cours "Sécuriser l'IA et Sujets Avancés", les apprenants plongeront dans l'intersection de pointe de l'IA et de la cybersécurité, en se concentrant sur la manière dont les techniques avancées peuvent sécuriser les systèmes d'IA contre les menaces émergentes. À travers une approche structurée, vous explore.
Developing Generative Artificial Intelligence Solutions (Traditional Chinese)
Développer des Solutions d'Intelligence Artificielle Générative (Français)
Dans ce cours, vous allez explorer le cycle de vie des applications d'intelligence artificielle générative (IA générative), y compris :
Définir des cas d'utilisation commerciale
Sélectionner un modèle de base (FM)
Améliorer les performances du FM
Évaluer les perform.
Developing Generative Artificial Intelligence Solutions (Indonesian)
Développer des Solutions d'Intelligence Artificielle Générative (Indonésien)
Dans ce cours, vous explorerez le cycle de vie des applications d'intelligence artificielle générative (IA générative), qui comprend les éléments suivants :
Définir les cas d'utilisation commerciale
Choisir un modèle fondamental (FM)
Améliorer les performances du.
Optimizing Foundation Models (Thai)
Dans ce cours, vous explorerez deux techniques pour améliorer la performance des modèles fondamentaux (FM) : la Génération Augmentée par Récupération (RAG) et l'affinage. Vous apprendrez sur les services Amazon Web Services (AWS) qui aident à stocker des embeddings avec des bases de données vectorielles, le rôle des agents dans les processus en.
