Generative AI and Large Language Models

Generative AI and Large Language Models

Nome do Curso: Generative AI and Large Language Models

 

Descrição

O curso Generative AI and Large Language Models proporciona um entendimento aprofundado sobre os modelos de linguagem avançados e redes neuronais, abordando tanto a teoria como a prática. Durante o curso, os alunos irão desenvolver projetos, participar em workshops temáticos e interagir com profissionais experientes que partilharão os seus conhecimentos e desafios.

 

Visão Geral

Aprende sobre o mundo da Inteligência Artificial com um programa abrangente que te prepara para a utilização e implementação de modelos de AI. Este curso é ideal para profissionais de Engenharia, Matemática Aplicada, Gestão e Marketing Digital com perfil analítico.

 

Objetivos

  • Preparar profissionais para a utilização e implementação de modelos de inteligência artificial.
  • Compreender os desafios e a estrutura global dos modelos de AI.

 

Dirigido a:

Profissionais das áreas de Engenharia, Matemática Aplicada, Gestão e Marketing Digital com perfil analítico.

 

Requisitos

Idade mínima de 18 anos e formação nas áreas de Engenharia, Marketing, Desenho, Matemática Aplicada ou experiência em programação.

 

Remote Learning

Esta formação é realizada em ambiente virtual ao vivo, via Zoom, permitindo interação em tempo real com tutores e outros formandos.

Horário: Segundas e Quartas, das 19h às 22h

 

O que inclui a formação

  • 60 horas de aulas práticas e teóricas
  • Formação certificada pela DGERT, com certificação digital

 

Programa do Curso

  1. Inteligência Artificial: Aplicações diárias, técnicas, fases de desenvolvimento e limitações.
  2. Deep Learning: Redes Neuronais, RNNs, LSTM, CNNs, Transformers e suas aplicações.
  3. Inteligência Artificial Generativa: Tipos, aplicações, fases de implementação e riscos.
  4. Fundamentos de NLP: Processamento de texto, métodos de pré-processamento, representações e modelos.
  5. Os LLMs como redes neuronais: Detalhes sobre RNNs, LSTM, embeddings e mecanismos de atenção.
  6. LLMs na prática: APIs e Hugging Face.
  7. Estratégias para melhorar o uso de LLMs: RAG, indexação, bases de dados vetoriais e fine-tuning.
  8. Métricas de avaliação: Métricas baseadas em LLMs e matemática.
  9. Problemas dos LLMs: Alucinações e limites de tokens.
  10. Ética: Impactos indesejados, ética na AI, AI Responsável e regulamentações.
  11. Projeto Final: Desenvolvimento de um projeto prático.

https://weareedit.io/formacao/curso-inteligencia-artificial/

Sign In

Register

Reset Password

Please enter your username or email address, you will receive a link to create a new password via email.

Scroll to Top