我们非常高兴地宣布免费全面的课程 训练和优化大型语言模型（LLMs）用于生产 的发布，这是Gen AI 360：基础模型认证的第二个部分。由于与 Activeloop 和 Intel Disruptor Initiative 的强大合作，以及 Lambda 和 Cohere 的大力支持，这个倡议得以实现。
该课程是基于我们先前 LangChain 和 Vector Databases in Production 课程 成功的基础上打造的，拥有数万名学员。它由9个高水平视频、40多个自定进度的文本教程和10多个实际项目组成，如从零开始训练模型或为金融或生物医学用例进行模型优化。向AI的首席执行官兼联合创始人 Louie Peters 表示：“我们设计这门课程的目的是为了梳理LLMs的最新快速进展的信息，以便以效率和生产准备为导向，赋予技术专业人员和高管们在LLMs世界中的导航能力。”
将理论知识与实践经验融为一体，打造用于生产的LLMs
“训练和优化用于生产的LLMs”旨在为参与者提供对LLMs世界的深入实践洞察。它将带领您探索真实世界业务应用中大型语言模型的训练、优化和实施的纷繁复杂过程，确保所传授的知识能够在专业环境中直接应用。参与者将通过从人类反馈中进行强化学习（RLHF）来改进LLM、在业务用例中对模型进行优化（例如从论文中提取疾病-化学关系），或者从零开始训练一个LLM。
我们的课程面向Python专业人员，指导学习者在进行模型训练或优化时如何有效利用计算资源。它们使他们能够在资源分配和技术选择方面做出明智的决策，确保拥有最先进、具有成本效益和高效的模型开发。
“LLMs具有巨大的潜力。然而，了解它们的经济影响对于考虑采用它们的企业至关重要。企业需要了解训练、优化和产品化LLMs的成本结构。这门课程整合了像Deep Lake这样的软件、针对LLMs优化的硬件和开创性的Gen AI平台，使企业能够在没有过度消耗资金的情况下训练和优化适用于生产的LLMs，”Activeloop的首席执行官兼联合创始人Davit Buniatyan表示。
课程大纲
- LLMs介绍：探索LLMs的基础概念
- LLM架构：深入了解模型架构
- LLMs训练：数据管理以及使用Deep Lake等方法确保训练数据的质量。有效模型训练策略以及使用Deep Lake进行最佳数据加载和计算资源利用的方法
- LLMs优化：为金融和生物医学等业务领域优化模型
- 使用RLHF改进LLMs：应用强化学习和人类反馈来提高LLM的性能
- LLMs部署：适用于真实世界部署的策略，借助LLM优化的计算资源
- 高级主题：探索LLMs伦理、规模定律、模型崩溃和未来LLMs训练挑战
对于技术专业人员来说，这门课程是宝贵的知识宝库，深入剖析模型的训练和优化细节，确保资源的最佳利用，并通过实际项目和案例研究提供实际操作经验。
另一方面，技术高管可以通过观看1.5小时的视频内容来了解实施LLMs的战略和经济方面，确保他们的团队不仅仅是有效地利用资源，而且还在做出符合组织目标和伦理考虑的明智决策。
“我相信工程师和技术高管们通过参加这门课程可以使自己始终处于人工智能的前沿，”英特尔公司的CTO – 企业分析和人工智能，云和企业战略负责人Arijit Bandyopadhyay说道。“英特尔一直站在人工智能和新技术采用的前沿。这个基础模型认证有助于更好地装备下一代创新者，让他们在创造性AI和大型语言模型方面获得成功。它还可以促进各行业对AI应用和解决方案的广泛采用。”
通过Cohere和Lambda课程合作伙伴的支持，获得免费计算积分
在我们合作伙伴的大力支持下，成功通过必修章节的符合条件的候选人将解锁独家访问Lambda和Cohere积分，为学习之旅提供更顺畅和资源优化的环境。本课程不仅是一个认证，而且是防止不必要计算费用开支的保护措施，是优化资源利用的保证，也是以前沿技术和财务稳健方式实施LLM的承诺。
抓住成为生成式AI和大型语言模型领域先锋的机会，确保您的团队以战略和经济熟练度驾驭LLM的复杂性和潜力。现在免费报名参加我们的课程，完成必修章节，成为合格参与者之一，享受来自我们合作伙伴的计算积分。
了解更多关于Gen AI 360：基础模型认证的信息，请点击这里。