พื้นฐานของ Small Language Models (SLMs)

ในขณะที่ปัญญาประดิษฐ์ (AI) เปลี่ยนผ่านไปสู่ความคุ้มค่า ความเป็นส่วนตัว และความรวดเร็ว Small Language Models (SLMs) กำลังกลายเป็นโซลูชันหลักสำหรับการใช้งานในท้องถิ่นและมีความคุ้มค่าด้านต้นทุน หากคุณต้องการสร้างแอปพลิเคชัน AI ที่รวดเร็ว เป็นส่วนตัว และมีความเชี่ยวชาญเฉพาะด้านสูงโดยไม่ต้องแบกรับต้นทุนการประมวลผลมหาศาลจากโมเดลขนาดใหญ่ การเชี่ยวชาญ SLMs คือก้าวต่อไปของคุณ คอร์สแบบข้อความนี้จะนำพาคุณตั้งแต่พื้นฐานที่สุดของการสร้างแบบจำลองภาษา ไปจนถึงกลยุทธ์เชิงปฏิบัติในการเลือก การปรับแต่ง และการปรับใช้โมเดลขนาดกะทัดรัด คุณจะได้ค้นพบว่าโมเดลที่มีประสิทธิภาพเหล่านี้บรรลุผลลัพธ์ที่น่าทึ่งได้อย่างไร และจะนำไปประยุกต์ใช้ในสถานการณ์จริงได้อย่างไร สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจความแตกต่างหลักด้านสถาปัตยกรรมและข้อกำหนดทรัพยากรระหว่าง LLMs และ SLMs - เรียนรู้เทคนิคการปรับปรุงประสิทธิภาพที่สำคัญ เช่น การทำ quantization, pruning และ knowledge distillation - ประยุกต์ใช้กลยุทธ์การเขียน prompt ขั้นสูงที่ปรับให้เหมาะสมสำหรับโมเดลที่มีพารามิเตอร์ขนาดเล็กโดยเฉพาะ - สำรวจรูปแบบ Retrieval-Augmented Generation (RAG) เพื่อเชื่อมต่อ SLMs กับแหล่งข้อมูลภายนอก - ค้นพบเวิร์กโฟลว์สมัยใหม่สำหรับการปรับใช้ SLMs บนอุปกรณ์ edge devices, แพลตฟอร์มมือถือ และฮาร์ดแวร์ในเครื่อง - ประเมินและเลือกโมเดลขนาดกะทัดรัดโอเพนซอร์สที่ดีที่สุดสำหรับความต้องการทางธุรกิจเฉพาะของคุณ ประสบการณ์การเรียนรู้ของคุณเริ่มต้นด้วยคำนิยามพื้นฐาน คำศัพท์ และแนวคิดด้านสถาปัตยกรรม ก่อนที่จะก้าวไปสู่รูปแบบการออกแบบเชิงปฏิบัติและกลยุทธ์การบูรณาการ ผ่านคำอธิบายที่เป็นลายลักษณ์อักษรและการอธิบายแนวคิดที่ชัดเจน คุณจะสร้างความรู้ความเข้าใจที่ใช้งานได้จริงเกี่ยวกับ AI ที่มีประสิทธิภาพ คอร์สนี้ออกแบบมาสำหรับผู้เริ่มต้น นักพัฒนาซอฟต์แวร์ และผู้ที่ชื่นชอบเทคโนโลยีที่กระตือรือร้นที่จะสำรวจ AI ที่มีประสิทธิภาพรุ่นต่อไป ไม่จำเป็นต้องมีพื้นฐานด้านการเรียนรู้ของเครื่อง (machine learning) หรือคณิตศาสตร์ขั้นสูงมาก่อน เริ่มอ่านวันนี้เพื่อปลดล็อกศักยภาพของ AI น้ำหนักเบาและประสิทธิภาพสูง