Δωρεάν τα σεμινάρια του Columbia University "Building Customized LLMs with OpenAI" & "Prompt Engineering & Programming with OpenAI"

Το Columbia University, προσφέρει δωρεάν (από την κανονική τιμή των $198) τα online επιμορφωτικά προγράμματα "Building Customized LLMs with OpenAI" & "Prompt Engineering & Programming with OpenAI", με την καταχώρηση του κωδικού SPRINGAI στο πεδίο "Discount Code".

Σημείωση: Το "ΔΕΣ ΤΗΝ ΠΡΟΣΦΟΡΑ" ανακατευθύνει στο 1ο σεμινάριο, το δεύτερο θα το βρείτε εντός της περιγραφής.

Κάθε μάθημα περιλαμβάνει πλήρη πρόσβαση στο εκπαιδευτικό υλικό, στις διαλέξεις μέσω βίντεο και στις αξιολογήσεις, χωρίς επιπρόσθετο κόστος. Με την ολοκλήρωση των προγραμμάτων, οι συμμετέχοντες θα έχουν αποκτήσει τις ακόλουθες γενικές δυνατότητες:

• Create Effective Prompts for LLMs: Use zero-shot, one-shot, and few-shot prompts to guide generative models toward specific outputs
• Implement LLM-Based Solutions: Connect to the OpenAI API and integrate generative AI features into notebooks or apps
• Generate Text, Images, and More: Leverage Python libraries (e.g., LangChain, OpenAI) to build advanced workflows

Το κάθε επιμορφωτικό πρόγραμμα, χωρίζεται σε δύο Modules, τα οποία με την ολοκλήρωσή τους, θα προσφέρουν στους εκπαιδευόμενους τις ακόλουθες εξειδικευμένες δυνατότητες:

1. Building Customized LLMs with OpenAI

https://plus.columbia.edu/content/building-customized-llms-openai

Module 1: Building Custom Generative AI Retrieval-Augmented Generation (RAG)

By the end of this module, learners will be able to:

• Explain the concept of Retrieval-Augmented Generation (RAG) and its applications.
• Differentiate between human agents and LLM agents.
• Implement vector search for retrieving similar vectors.
• Build and test RAG models with synthetic data.
• Apply text analytics and knowledge graphs in generative AI.

Module 2: Fine-Tuning

By the end of this module, learners will be able to:

• Understand the process of fine-tuning large language models.
• Differentiate various fine-tuning techniques, including adapter-based tuning
• How to fine-tune GPT models
• See how customized models can be embedded inside web applications

2. Prompt Engineering & Programming with OpenAI (είχε προσφερθεί ξανά δωρεάν στο παρελθόν, μέσω διαφορετικού promo code).

https://plus.columbia.edu/content/prompt-engineering-programming-openai

Module 1: Prompt Engineering

By the end of this module, learners will be able to:

• Understand the basics of large language models (LLMs)
• Explain how tokens are generated from a prompt.
• Understand the difference between zero-shot, one-shot, and few-shot prompts
• Use prompts to generate email, summaries, and content
• Use prompts to interpret and generate images
• Generate code and SQL queries using prompts
• Read data from a file and draw graphs and charts using prompts
• Apply machine learning techniques and get results using prompts and their own datasets
• Explore the use of ChatGPT to help handle business tasks (generating marketing plans, logos, etc.)
• Reasoning LLM and Chain of thought prompting

Module 2: Programming with the OpenAI API

By the end of this module, learners will be able to:

• Utilize OpenAI’s API for LLM-based programming
• Implement generative AI models in notebooks
• Use python libraries like LangChain and LLama-Index to analyze data using LLMs
• Generate images and audio using OpenAI’s API.Accordion content

Με την ολοκλήρωση των προγραμμάτων, προσφέρεται σε όσους ενδιαφέρονται και η δυνατότητα απόκτησης πιστοποιητικού παρακολούθησης, στην τιμή των $20.