Fundamentos Matemáticos de Modelos de Linguagem Grande

Você fará a transição de simplesmente usar ferramentas de IA para entender profundamente as fórmulas, vetores e mecânicas de redes neurais que as fazem funcionar.\n\nO que você aprenderá:\n- Entenda os conceitos matemáticos fundamentais, incluindo álgebra linear e probabilidade, que sustentam as redes neuais\n- Rastreie matematicamente a mecânica da tokenização, incorporações e codificações posicionais\r\n - Calcule a auto-atenção, atenção multi-cabeça e matrizes de valor-chave de consulta passo a passo\r \ n- Explore a arquitetura de modelos de codificador-decodificador como GPT e BERT através de quebras escritas claras\r- Aprenda os conceito fundamentais de técnicas modernas de ajuste fino como LoRA e adaptação eficiente de parâmetros\r.\n- Analise como as funções de perda e os algoritmos de otimização orientam o treinamento e a convergência do modelo\n\ nComecemos com os pré-requisitos matemático de núcleo e as definições básicas antes de mergulhar profundamente no bloco de transformadores. Você progredirá através das explicações escritas detalhadas e das orientações matemáticas passo a paso que tornam as equações complexas altamente acessíveis.\n \ NEste curso é projetado para aspirantes a engenheiros de AI, cientistas de dados e programadores curiosos que desejam uma base conceitual e matemática sólida em LLMs.