Begin your journey with Large Language Models (LLMs) by understanding what they are and what they can do, and peek under the hood to get an idea of how they work!

Introduction to large language models (LLMs)

Using a pipeline for summarization

Cleaning up replies

Using pre-trained LLMs

Generating text

Translating text

Understanding the transformer

Identify the transformer

Using the correct model structure

Getting Started with Large Language Models (LLMs)

Learn how to leverage pre-trained LLMs and datasets from Hugging Face to fine-tune a model.

Preparing for fine-tuning

Tokenizing text

Mapping tokenization

Fine-tuning through training

Setting up training arguments

Setting up the trainer

Using the fine-tuned model

Fine-tuning approaches

Transfer learning with one-shot learning

Transfer learning approaches

Fine-tuning LLMs

Dive into different metrics to assess model performance and wrap up by learning about the challenges of applying LLMs in the real world.

The evaluate library

Loading metrics with evaluate

Describing metrics

Using evaluate metrics

Metrics for language tasks: perplexity and BLEU

Evaluating perplexity

BLEU translations

Metrics for language tasks: ROUGE, METEOR, EM

Evaluating with ROUGE

Evaluating with METEOR

Evaluating with EM

Safeguarding LLMs

Checking toxicity

Evaluating regard

The finish line

Evaluating LLM performance

Large Language Models (LLMs) have become pivotal tools driving some of the most stunning advancements and applications in today's AI landscape. This hands-on course will equip you with the practical knowledge and skills needed to understand, build, and harness the power of LLMs for solving complex language tasks such as translation, language generation, question-answering, and more. Through iteractive coding exercises, you will learn to work with transformers. You'll also explore pre-trained language models and datasets from Hugging Face. By the end of this course, you will be able to fine-tune and evaluate pre-trained LLMs using specialized metrics. You will also gain an understanding of the key challenges and ethical considerations of enabling real-world LLM applications.

<h2>Descubra o que está por trás da moda dos grandes modelos de linguagem</h2>
<br><br>
Os modelos de linguagem ampla (LLMs) tornaram-se ferramentas essenciais que impulsionam alguns dos avanços e aplicativos mais impressionantes no cenário atual de IA. Este curso prático fornecerá a você o conhecimento prático e as habilidades necessárias para entender, criar e aproveitar o poder dos LLMs para resolver tarefas complexas de linguagem, como tradução, geração de linguagem e muito mais.
<br><br>
<h2>Descubra a arquitetura LLM e aproveite os modelos pré-treinados</h2>
<br><br>
Por meio de exercícios interativos de codificação, você descobrirá diferentes arquiteturas de transformadores e como identificá-las. Você explorará o aproveitamento de modelos de linguagem pré-treinados e conjuntos de dados da Hugging Face para fazer o ajuste fino e avaliar seu modelo usando métricas avançadas que se ajustam aos LLMs. Por fim, você saberá mais sobre questões éticas e de preconceito relevantes para os LLMs e maneiras de identificá-las. Ao final deste curso, você será capaz de criar LLMs, ajustá-los e avaliá-los usando métricas especializadas e, ao mesmo tempo, compreender os principais desafios e considerações éticas para habilitar aplicativos LLM do mundo real.

Working with Hugging Face

Aprenda os fundamentos dos LLMs e a revolucionária arquitetura transformer em que se baseiam!

Introduction to LLMs in Python

Entenda a fundo os LLMs e a arquitetura revolucionária de transformadores que está por trás dessa tecnologia!

Engenheiro associado de IA para cientistas de dados

Desenvolvimento de modelos de idiomas grandes

Fundamentos de Hugging Face

Fundamentos da IA da Snowflake

Evaluating perplexity

Introduction to LLMs in Python

Instruções do exercício

Exercício interativo prático