10 kostenlose Ressourcen zum Erlernen eines LLM

Bild vom Autor

In einem früheren Artikel habe ich erklärt, wie KI ist die Fähigkeit der Zukunftmit Positionen, die ein Gehalt von bis zu 375.000 US-Greenback professional Jahr einbringen.

Giant Language Fashions (LLMs) sind in der KI zu einem zentralen Thema geworden und quick jede datenzentrierte Rolle erfordert heute ein gewisses grundlegendes Verständnis dieser Algorithmen.

Egal, ob Sie Entwickler sind und Ihre Fähigkeiten erweitern möchten, Datenpraktiker oder Fachmann, der in den KI-Bereich wechseln möchte: Auf dem aktuellen Arbeitsmarkt können Sie von der Kenntnis von LLMs enorm profitieren.

In diesem Artikel stelle ich Ihnen 10 kostenlose Ressourcen zur Verfügung, die Ihnen beim Erlernen großer Sprachmodelle helfen.

1. Einführung in große Sprachmodelle von Andrej Karpathy

Wenn Sie ein absoluter Anfänger auf dem Gebiet der KI sind, empfehle ich Ihnen, hiermit zu beginnen einstündiges YouTube-Tutorial Erläuterung der Funktionsweise eines LLM.

Am Ende dieses Movies verstehen Sie die Funktionsweise von LLMs, die LLM-Skalierungsgesetze, die Modellfeinabstimmung, Multimodalität und LLM-Anpassung.

2. GenAI für Anfänger von Microsoft

Generative KI für Anfänger ist ein Kurs mit 18 Lektionen, der Ihnen alles beibringt, was Sie über die Erstellung generativer KI-Anwendungen wissen müssen.

Es beginnt mit den Grundlagen: Zuerst werden Sie in das Konzept der generativen KI und des LLM eingeführt und gehen dann zu Themen wie Immediate Engineering und LLM-Auswahl über.

Anschließend lernen Sie, LLM-basierte Anwendungen mit Low-Code-Instruments, RAGs und KI-Agenten zu erstellen.

Der Kurs vermittelt Ihnen außerdem, wie Sie LLMs optimieren und Ihre LLM-Bewerbungen sichern.

Sie können Module überspringen und die Lektionen auswählen, die für Ihre Lernziele am relevantesten sind.

3. GenAI mit LLMs von Deeplearning.AI

Generative KI mit LLMs ist ein Kurs über Sprachmodelle, der bei Vollzeitstudium etwa 3 Wochen dauert.

Diese Lernressource behandelt die Grundlagen von LLMs, Transformer-Architektur und Immediate Engineering.

Darüber hinaus lernen Sie, Sprachmodelle auf AWS zu optimieren und bereitzustellen.

4. Hugging Face NLP-Kurs

Hugging Face ist ein führendes NLP-Unternehmen, das Bibliotheken und Modelle bereitstellt, mit denen Sie Anwendungen für maschinelles Lernen erstellen können. Sie ermöglichen es normalen Benutzern, problemlos KI-Anwendungen zu erstellen.

Hugging Faces NLP-Lernpfad behandelt die Transformer-Architektur, die Funktionsweise von LLMs und die in ihrem Ökosystem verfügbaren Dataset- und Tokenizer-Bibliotheken.

Sie lernen, Datensätze zu optimieren und Aufgaben wie Textzusammenfassung, Fragen-Beantwortung und Übersetzung mithilfe der Transformers-Bibliothek und der Pipeline von Hugging Face durchzuführen.

5. LLM-Universität von Cohere

LLM Universität ist eine Lernplattform, die Konzepte im Zusammenhang mit NLP und LLMs abdeckt.

Ähnlich wie bei den vorherigen Kursen auf dieser Liste lernen Sie zunächst die Grundlagen von LLMs und ihrer Architektur kennen und gehen dann zu fortgeschritteneren Konzepten wie Immediate Engineering, Feinabstimmung und RAGs über.

Wenn Sie bereits über einige Kenntnisse in NLP verfügen, können Sie die Basismodule einfach überspringen und mit den fortgeschritteneren Tutorials fortfahren.

6. Grundlegende generative KI von iNeuron

Grundlegende generative KI ist ein kostenloser 2-wöchiger Kurs, der die Grundlagen der generativen KI, Langchain, Vektordatenbanken, Open-Supply-Sprachmodelle und LLM-Bereitstellung abdeckt.

Das Abschließen jedes Moduls dauert ungefähr zwei Stunden und es wird empfohlen, jedes Modul an einem Tag abzuschließen.

Am Ende dieses Kurses lernen Sie, mithilfe eines Sprachmodells einen durchgängigen medizinischen Chatbot zu implementieren.

7. Natürliche Sprachverarbeitung von Krish Naik

Diese NLP-Playlist auf YouTube deckt Konzepte wie Tokenisierung, Textvorverarbeitung, RNNS und LSTMs ab.

Diese Themen sind Voraussetzungen für das Verständnis der Funktionsweise großer Sprachmodelle heutzutage.

Nach Abschluss dieses Kurses verstehen Sie die verschiedenen Textverarbeitungstechniken, die das Rückgrat von NLP bilden.

Sie werden auch die Funktionsweise sequentieller NLP-Modelle und die Herausforderungen bei ihrer Implementierung verstehen, was letztendlich zur Entwicklung fortgeschrittenerer LLMs wie der GPT-Reihe führte.

Zusätzliche LLM-Lernressourcen

Zu den zusätzlichen Ressourcen zum Erlernen eines LLM zählen:

1. Papiere mit Code

Papiere mit Code ist eine Plattform, die ML-Forschungsarbeiten mit Code kombiniert, sodass Sie neben den praktischen Anwendungen leichter mit den neuesten Entwicklungen auf dem Gebiet Schritt halten können.

2. Aufmerksamkeit ist alles, was Sie brauchen

Um die Transformer-Architektur (die Grundlage moderner Sprachmodelle wie BERT und GPT) besser zu verstehen, empfehle ich die Lektüre des Forschungspapiers mit dem Titel „Aufmerksamkeit ist alles, was Sie brauchen“.

Dadurch erhalten Sie ein besseres Verständnis der Funktionsweise von LLMs und erfahren, warum transformerbasierte Modelle eine deutlich bessere Leistung erzielen als bisherige hochmoderne Modelle.

3. LLM-PowerHouse

Dies ist ein GitHub-Repository das LLM-Tutorials, bewährte Methoden und Code kuratiert.

Es handelt sich um einen umfassenden Leitfaden zum Sprachmodell – mit ausführlichen Erläuterungen zur LLM-Architektur, Tutorials zur Feinabstimmung und Bereitstellung von Modellen sowie Codeausschnitten, die direkt in Ihren eigenen LLM-Anwendungen verwendet werden können.