دوره NVIDIA: مهندسی پرامپت و تحلیل داده‌

آنچه یاد خواهید گرفت:

• درک مهندسی پرامپت و نقش آن در بهینه‌سازی مدل‌های زبانی بزرگ (LLM)
• به‌کارگیری P-tuning و معماری RAG برای بهبود عملکرد مدل
• استفاده از تکنیک‌های تحلیل داده و مصورسازی برای انجام مؤثر تسک های NLP

توضیحات دوره

دوره NVIDIA: مهندسی پرامپت و تحلیل داده‌، پنجمین دوره از مجموعه Exam Prep (NCA-GENL): NVIDIA-Certified Generative AI LLMs - Associate Specialization است. این دوره به یادگیرندگان پایه‌ای مستحکم در مهندسی پرامپت، تحلیل داده و تکنیک‌های مصورسازی برای بهینه‌سازی مدل‌های زبانی بزرگ (LLM) فراهم می‌کند.

این دوره مفاهیم اساسی مانند اصول مهندسی پرامپت، ایجاد پرامپت‌های مؤثر و P-tuning برای بهبود عملکرد LLM را پوشش می‌دهد. همچنین به بررسی تکنیک‌هایی برای تحلیل داده‌های متنی، انواع مختلف نمودار و نقش آنها در  تحلیل مؤثر داده‌ها می‌پردازد. یادگیرندگان تجربه عملی با ابزارهایی مانند NVIDIA NeMo برای مهندسی پرامپت و cuDF و Dask cuDF برای تسریع گردش‌کارهای تحلیل داده به دست خواهند آورد.

این دوره به دو ماژول تقسیم شده است که شامل درس‌ها و ویدیوهای آموزشی است. یادگیرندگان به حدود 3:00 تا 3:30 ساعت محتوای ویدیویی دسترسی خواهند داشت که مفاهیم نظری و کاربردهای عملی را پوشش می‌دهد. هر ماژول با آزمون‌هایی همراه است که به ارزیابی درک و تقویت یادگیری کمک می‌کند.

ماژول ۱: مبانی مهندسی پرامپت
ماژول ۲: تحلیل داده و مصورسازی

در پایان این دوره، یادگیرندگان قادر خواهند بود به:

- درک کنند مهندسی پرامپت چیست و نقش آن در بهینه‌سازی LLM چگونه است.
- P-tuning و معماری RAG را برای بهبود عملکرد مدل به‌کار گیرند.
- از تکنیک‌های تحلیل داده و تحلیل مؤثر برای انجام تسک های NLP استفاده کنند.

این دوره برای افرادی که علاقه‌مند به بهبود مهارت‌های خود در مهندسی پرامپت و تحلیل داده برای بهینه‌سازی LLM هستند، با تمرکز بر پیاده‌سازی عملی، ایده‌آل است.