Entrar em Contato

Programa do Curso

Introdução aos LLMs e à IA Generativa

  • Explorando técnicas e modelos
  • Discutindo aplicações e casos de uso
  • Identificando desafios e limitações

Utilização dos LLMs para Tarefas de CLN

  • Análise de sentimento
  • Reconhecimento de entidades nomeadas
  • Extração de relações
  • Análise semântica

Utilização dos LLMs para Tarefas de ILN

  • Deteção de entrelaçamento lógico (entailment)
  • Deteção de contradições
  • Deteção de paráfrases

Utilização dos LLMs para Grafos de Conhecimento

  • Extração de fatos e relações a partir do texto
  • Inferência de fatos ausentes ou novos
  • Uso de grafos de conhecimento em tarefas subsequentes

Utilização dos LLMs para Raciocínio de Senso Comum

  • Geração de explicações, hipóteses e cenários plausíveis
  • Uso de bases de conhecimento e conjuntos de dados de senso comum
  • Avaliação do raciocínio de senso comum

Utilização dos LLMs para Geração de Diálogos

  • Geração de diálogos com agentes conversacionais, chatbots e assistentes virtuais
  • Gestão de diálogos
  • Uso de conjuntos de dados e métricas de diálogo

Utilização dos LLMs para Geração Multimodal

  • Geração de imagens a partir de texto
  • Geração de texto a partir de imagens
  • Geração de vídeos a partir de texto ou imagens
  • Geração de áudio a partir de texto
  • Geração de texto a partir de áudio
  • Geração de modelos 3D a partir de texto ou imagens

Utilização dos LLMs para Meta-Aprendizado

  • Adaptação dos LLMs a novos domínios, tarefas ou idiomas
  • Aprendizado a partir de exemplos de poucos exemplos (few-shot) ou zero-shot
  • Uso de conjuntos de dados e frameworks de meta-aprendizado e aprendizado por transferência

Utilização dos LLMs para Aprendizado Adversarial

  • Proteção dos LLMs contra ataques maliciosos
  • Deteção e mitigação de vieses e erros nos LLMs
  • Uso de métodos e conjuntos de dados de aprendizado adversarial e robustez

Avaliação de LLMs e IA Generativa

  • Avaliação da qualidade e diversidade do conteúdo
  • Uso de métricas como Inception Score, Distância de Frechet Inception (FID) e pontuação BLEU
  • Métodos de avaliação humana, como crowdsourcing e pesquisas
  • Métodos de avaliação adversarial, como testes de Turing e discriminadores

Aplicação de Princípios Éticos para LLMs e IA Generativa

  • Garantir equidade e responsabilidade
  • Evitar mau uso e abuso
  • Respeitar os direitos e a privacidade dos criadores e consumidores de conteúdo
  • Promover a criatividade e a colaboração entre humanos e IA

Resumo e Próximos Passos

Requisitos

  • Compreensão dos conceitos básicos de IA e sua terminologia
  • Experiência com programação em Python e análise de dados
  • Familiaridade com frameworks de aprendizado profundo, como TensorFlow ou PyTorch
  • Conhecimento dos fundamentos dos LLMs e suas aplicações

Público-Alvo

  • Cientistas de dados
  • Desenvolvedores de IA
  • Entusiastas de IA
 21 Horas

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas