Administrativ information
| Titel | Generativa modeller, transformera djupt lärande och hybridinlärningsmodeller |
| Varaktighet | 45–60 |
| Modul | C |
| Typ av lektion | Föreläsning |
| Fokus | Teknik – Framtida AI |
| Ämne | Framsteg i ML-modeller genom en HC-lins – En resultatorienterad studie |
Nyckelord
Generativa modeller, Uppmärksamhetsdetektering,Query-Key-Value, Transform modeller, hybridmodeller,
Lärandemål
- Förstå klassen av Generativa modeller och utforska dess viktigaste funktioner.
- Förklara konceptet och designen av Transformer Architectures
- Utveckla konfigurationen av hybridmodeller
Förväntad förberedelse
Lärande händelser som ska slutföras innan
Obligatoriskt för studenter
- Introduktion till maskininlärning och djupinlärningskoncept som ges i tidigare föreläsningar
Valfritt för studenter
Referenser och bakgrund för studenter
Rekommenderas för lärare
Ingen.
Lektionsmaterial
Instruktioner för lärare
I denna föreläsning är våra primära mål trefaldiga. För det första strävar vi efter att övergripande förstå Generativa modeller, med fokus på deras underliggande mekanismer och kärnfunktioner. För det andra kommer vi att diskutera betydelsen av Transformer Architectures, särskilt inom ramen för Natural Language Processing (NLP). Slutligen kommer föreläsningen att utveckla den olika konfigurationen av hybridmodeller, med betoning på sammanslagningen av olika element för att förbättra maskininlärningsprestanda.
Konturer
| Varaktighet | Beskrivning | Begrepp |
|---|---|---|
| 15 min | Introduktion till Generativa modeller, Klassificering av Generativa modeller | Vad är generativa modeller?Varför är de viktiga? Vad kan de användas till? Klassificering, Nyckelfunktioner, Exempel |
| 20 min | Introduktion till Transformer-arkitekturerna | Transformatorarkitektur, toppmoderna transformatorer som BERT och GTP |
| 10 min | Introduktion till hybridinlärning | Vad är hybridinlärning?Varför är det viktigt?Vad kan de användas till? |
| 5 min | Slutsats, frågor och svar | Sammanfattning |
Erkännanden
Masterprogrammet Human-Centered AI har samfinansierats av Fonden för ett sammanlänkat Europa i Europeiska unionen inom ramen för Grant CEF-TC-2020–1 Digital Skills 2020 EU-IA-0068.