Tematska celina 1. Početak rada sa Hugging Face-om
Hugging Face je ključna platforma za pristup ML i AI funkcionalnostima. U ovoj celini istražit ćete Hugging Face Hub kako biste pronašli najprikladnije modele i skupove podataka za vaše zadatke. Koristićete Hugging Face-ov API za pretragu njegovog skladišta modela i to po zadatku, autoru ili popularnosti. Koristićete cevovode, osnovnu komponentu Hugging Face-a, za obavljanje čitavog niza AI zadataka koristeći jednostavnu i intuitivnu sintaksu. Naučićete da klasifikujete tekst u kategorije, generišete kvalitetne i tačne rezimee, pa čak i da vodite razgovore sa dokumentima. Pridružite se veštačkoj inteligenciji i saznajte više o Hugging Face-u već danas!
Otkrijte moć Hugging Face-a, platforme za veštačku inteligenciju koju koriste programeri i naučnici podataka. Istražite prethodno obučene modele, pristupite skupovima podataka i podesite tokove rada da biste pokrenuli svoja rešenja zasnovana na veštačkoj inteligenciji.
Lekcija 1. Uvod u Hugging Face
aktivnost 1: Zašto graditi sa Hugging Face-om?
aktivnost 2: Istraživanje modela na Hub-u!
Lekcija 2. Pokretanje Hugging Face modela
aktivnost 1: Izgradnja cevovoda za generisanje teksta
aktivnost 2: Podešavanje parametara cevovoda
Lekcija 3. Skupovi podataka Hugging Face-a
aktivnost 1: Instaliranje paketa Datasets
aktivnost 2: Preuzimanje dataset-a
aktivnost 3: Manipulacija podacima
Tematska celina 2. Izgradnja cevovoda upotrebom Hugging Face-a
Naučite da pravite AI procese pomoću Hugging Face-a. Savladajte klasifikaciju teksta, rezimirajte sadržaj i izvlačite rezultate iz dokumenata, osposobljavajući vas da se nosite sa izazovima iz stvarnog sveta u različitim industrijama.
Lekcija 1. Klasifikacija teksta
aktivnost 1: Analiza sentimenta (raspoloženja): primer kodiranja
aktivnost 2: Gramatička ispravnost: primer kodiranja
aktivnost 3: Zaključivanje o prirodnom jeziku na osnovu pitanja (QNLI)
aktivnost 4: Dinamičko dodeljivanje kategorija: primer kodiranja
Lekcija 2. Rezimiranje teksta
aktivnost 1: Sumiranje dugog teksta
aktivnost 2: Generisanje rezimea, uz mogućnost određivanja dužine istog
aktivnost 3: Poređenje dužine teksta
Lekcija 3. Automatski modeli i tokenizatori
aktivnost 1: Tokenizacija teksta pomoću autotokenizera
aktivnost 2: Izgradnja cevovoda sa automatskim klasama
Lekcija 4. Pitanja i odgovori u vezi sa dokumentima (Document Q&A)
aktivnost 0: Zahtev: Automatizacija upita za ljudske resurse pomoću pitanja i odgovora za dokumente
aktivnost 1: Ekstrakovanje teksta pomoću pypdf-a
aktivnost 2: Kreiranje cevovoda pitanja i odgovora
aktivnost 3: Primer ponovog učitavanja, ali sada velikog dokumenta od 56 strana
Tematska celina 3. Početak rada sa velikim jezičkim modelima (LLM)
Započnite svoje putovanje sa LLM tako što ćete razumeti šta su oni i šta mogu da urade, i zavirite „ispod haube“ da biste stekli predstavu o tome kako funkcionišu.
Lekcija 1. Uvod u LLM
aktivnost 1: Različita upotreba Hugging Face modela
Lekcija 2. Korišćenje unapred obučenih LLM
aktivnost 1: Generisanje teksta
aktivnost 2: Vođenje izlaza
aktivnost 3: Prevođenje teksta
Lekcija 3. Razumevanje transformatora
aktivnost 1: Korišćenje ispravne strukture modela
aktivnost 2: Koristite odgovarajući model za ekstraktivno odgovaranje na pitanja
aktivnost 3: Koristite odgovarajući model za generativno odgovaranje na pitanja
Tematska celina 4. Fino podešavanje LLM
Naučite kako da iskoristite prethodno obučene LLM-ove i skupove podataka iz Hugging Face-a za fino podešavanje modela.
Lekcija 1. Priprema za fino podešavanje
aktivnost 1: Učitavanje skupa podataka za fino podešavanje
aktivnost 2: Izaberite prvih 3000 redova
aktivnost 3: Tokenizacija u serijama
Lekcija 2. Fino podešavanje kroz obuku
aktivnost 1: Argumenti za obuku
aktivnost 2: Korišćenje fino podešenog modela
aktivnost 3: Čuvanje modela i tokenizatora
Lekcija 3. Pristupi finog podešavanja
aktivnost 1: Transfer učenja sa učenjem iz jednog pokušaja
aktivnost 2: Primenite primer na model
Tehnički detalji interaktivne obuke
Obuka je interaktivnog karaktera, jer svaki polaznik radi i unosi komande za svojim računarom, prateći predavača. Predavač (čiji je računar povezan na projektor) polako objašnjava poslovni projekat i rešava ga unoseći jednu po jednu liniju kôda u okviru pajton razvojnog okruženja. Svaka linija kôda se detaljno elaborira.
U okviru interaktivne obuke, dobićete i detaljno napisan priručnik, sa svim aktivnostima, koji su rađeni na obuci, uključujući i sve linije kôda koje ste napisali. Takođe interaktivnu obuku prati i kreirani video materijal za svaku lekciju, gde je opet detaljno objašnjeno rešavanje poslovnog projekta i elaboracija svake linije kôda. Na ovaj način bićete u stanju da potpuno razumete i savladate AI kao i odgovarajuće komande programskog jezika pajton.
Za potrebe praćenja ove obuke potrebno je umereno znanje programskog jezika pajton. Ukoliko nemate predznanje iz programiranja u pajtonu, predlaže se da prvo odslušate sledeće dve interaktivne obuke:
Uvod u pajton za finansije, kao i
Srednji nivo pajtona za finansije.
Svaka od datih interaktivnih obuka, traje takođe po dva dana, i potkrepljena je detaljno napisanim priručnicima, kao i kvalitetnim snimljenim video materijalima.
Predavač na obuci je dr Vladimir Vasić, doktor statističkih nauka, redovni profesor na Beogradskoj bankarskoj akademiji – Fakultetu za bankarstvo, osiguranje i finansije, koji ima višedecenijsko iskustvo u rešavanju brojnih privrednih poslovnih projekata u zemlji i regionu. Predavač je 17 godina, učestvovao kao najviši istraživač (klasa A1) na projektima nacionalnog značaja na istraživanjima kvantifikacije verovatnoće difolta i izgradnje kreditnog rejtinga preduzeća. Dati projekti, finansirani od Ministarstva za nauku Srbije su: „Razvoj institucija i instrumenata hipoteke i financijskog tržišta u Srbiji“ (2006-2010) i „Rizici financijskih institucija i tržišta u Srbiji – mikroekonomski i makroekonomski pristup“ (2011-2022). Takođe, predavač je više od 15 godina vodeći konsultant, kada su u pitanju izgradnja algoritama i modela alatima data mining-a. Osim višedecenijskog iskustva u prenošenju znanja naprednog modeliranja i predikcije studentima završnih godina, predavač je i autor 25 naučnih radova objavljenih u časopisima na SCI i SSCI listi.
Prijavite se putem: linka
