Full Stack Deep Learning

fullstackdeeplearning.com
На карте связей Открыть сайт

The full lifecycle of building and shipping AI products.

Описание

Два основных архива: LLM Bootcamp Spring 2023 (запуск LLM-приложения за час, основы LLM, промпт-инжиниринг, augmented language models, UX языковых интерфейсов, LLMOps, доклады об агентах и обучении собственных LLM) и Deep Learning Course FSDL 2022/2021 (инфраструктура и тулинг, отладка и тестирование, управление данными, деплой, непрерывное обучение, фундаментальные модели, ML-команды, этика) с лабораторными работами.

Full Stack Deep Learning (FSDL) – это образовательная инициатива, которая дает практикам навыки для разработки готовых к производству приложений глубокого обучения. Она охватывает весь жизненный цикл ИИ-продуктов, от формулировки проблемы и управления данными до обучения моделей, развертывания и непрерывного обучения. Платформа предлагает бесплатные курсы, интенсивы и ресурсы сообщества, разработанные для тех, кто имеет базовые знания в области глубокого обучения и хочет освоить полный процесс создания масштабируемых и обслуживаемых ИИ-систем.

Возможности

Комплексная программа обучения
Охватывает все этапы проектов глубокого обучения, включая определение проблемы, обработку данных, обучение модели, развертывание и мониторинг.
Практические лаборатории и проекты
Предоставляет практические лаборатории и реальные проекты для применения таких концепций, как управление экспериментами, устранение неполадок и веб-развертывание.
Акцент на готовность к производству
Подчеркивает лучшие практики для воспроизводимости, масштабируемости и непрерывного обучения в развернутых ИИ-системах.
Специализированные интенсивы
Предлагает интенсивные программы, такие как интенсив по большим языковым моделям, для ускорения обучения по передовым приложениям ИИ.
Доступность и бесплатность
Все учебные материалы, лекции и лаборатории находятся в свободном доступе онлайн, способствуя открытому доступу к образованию в области глубокого обучения.
Обучение экспертами
Руководство осуществляется опытными исследователями и профессионалами отрасли из Калифорнийского университета в Беркли и Вашингтонского университета.

Сценарии использования

Разработка ИИ-продуктов
Руководит инженерами и специалистами по данным в создании приложений глубокого обучения, готовых к реальному развертыванию.
Повышение квалификации
Помогает практикам углубить свое понимание за пределами обучения моделей, включая инфраструктуру, инструменты и управление жизненным циклом.
Обучение ML-команд
Поддерживает организации в повышении квалификации команд по полноценным рабочим процессам машинного обучения и управлению проектами.
Создание LLM-приложений
Позволяет разработчикам изучать лучшие практики для эффективного создания приложений с использованием больших языковых моделей.

Частые вопросы

Он предназначен для людей с базовыми знаниями глубокого обучения, которые хотят изучить полный жизненный цикл развертывания ИИ-систем.

Да, все лекции, лаборатории и ресурсы находятся в свободном доступе онлайн.

Как минимум один год опыта программирования на Python и знакомство с основами глубокого обучения.

Да, он включает стратегии развертывания, мониторинг и непрерывное обучение для производственных ИИ-систем.

Да, есть интенсивы, ориентированные на такие области, как большие языковые модели, для обучения новейшим лучшим практикам.

Да, он подходит для обучения ML-команд комплексным рабочим процессам и управлению проектами.

Через записанные лекции, практические лаборатории и проектные работы, доступные онлайн.

Опытные исследователи ИИ и эксперты отрасли из Калифорнийского университета в Беркли и Вашингтонского университета.

Характеристики

Тип Курс
КатегорияОбучение / MLOps
Цена есть бесплатный тариф
Платформа Только веб
Системы web
Для когоИнженерам, выводящим ML- и LLM-проекты в продакшн.
Язык сайтаen
ВендорThe Full Stack
Просмотры51 261

Платформы

web

Соцсети

Найден в источниках

Похожие в разделе «Обучение»

Предложить сайт в каталог

Пришлите ссылку — остальное мы выясним сами.

Мы рассмотрим, что вы прислали, и добавим в каталог, если подойдёт.