生成式AI导论2024-李宏毅

已于 2024-06-05 10:32:01 修改
阅读量870 收藏 3
点赞数 1
分类专栏： LLM 文章标签： 人工智能
于 2024-05-26 21:02:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/adreammaker/article/details/139205174
版权

生成式AI导论2024-李宏毅

第0讲： 课程说明

生成式AI的入门课程
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

第1讲：生成式AI是什么

生成式人工智慧是什么？
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
当你用类神经网络（模型）来表达这上万个参数的时候，你做的事情就是深度学习。

第二讲：今日的生成式人工智慧厲害在哪裡？從「工具」變為「工具人」

在这里插入图片描述

第3讲：训练不了人工智能？你可以训练你自己（上）

[PPT] 李宏毅chatgpt，生成式ai
liguandong
03-27 4244
上面两张图是在测试语言模型是否真的有判断能力，蓝色是没有输入prompts，橙色是输入了正确的prompts，红色是输入错误的prompts，但是红色输入错误的promots，模型的输出并没有错很多。给模型输入一些不相关的prompt，看模型的输出，橙色给的正确答案，红色是错误答案，紫色是无关答案，蓝色没给prompt，给机器的promot很重要，prompt其实就是提示它做什么任务。模型越大，从context中学习到的能力越强，颜色越深，打乱label之后学习能力改变越明显，甚至给错误的答案他能反着学。
【研0深度学习】李宏毅2024春《生成式人工智能导论》持续更新...
m0_52427832的博客
05-28 1629
生成式人工智慧的目的不是进行做有结果的分类，而是使机器生成复杂有结构的物件。今天的生成式人工智慧多以深度学习构成。以现如今流通最广泛的ChatGPT为例，GPT可以看作一个函数，输入图片、语音或者文字等，“创造性”地输出结果。这里的“创造性”的实现是将问题拆解成一连串的文字进行接龙，转化为分类问题。对于每个结果都有概率，在这个概率的基础上掷骰子，进行输出。如下图所示有百分之五十的概率输出“学”字。那么问题来了，如果每次输出概率最大的不行吗？
李宏毅2024生成式人工智能导论 中文镜像版指导与作业
Hoper-J的博客
09-20 1635
这里是李宏毅老师2024年生成式人工智能导论的大陆镜像版的索引文章，你可以在不翻墙的情况下完成课程的所有作业。 制作与分享已经获得李宏毅老师的授权，非常感谢老师！
李宏毅生成式 AI 导论：最好的 LLM 大模型教程！
最新发布
pythonhy的博客
04-24 965
李宏毅教授的《生成式AI导论2024》是2024年春季在台湾大学开设的一门系统性课程，重点围绕生成式人工智能（Generative AI）的基础理论、技术演进及实践应用展开。
李宏毅学习笔记——2024春《GENERATIVE AI》篇（已完结）
a131529的博客
11-22 6913
李宏毅学习笔记——2024春《GENERATIVE AI》篇
李宏毅【生成式AI导论 2024】第1讲：生成式AI是什么？
拥抱变化，探索AI，了解AI，使用AI～
03-24 1235
人工智慧可以说是一个目标，是一个我们想要达到的目标。它不是一个单一的技术，并没有哪一个技术叫做人工智慧，人工智慧是一个目标。
李宏毅【生成式AI导论 2024】第7讲：大型语言模型修练史 — 第二阶段: 名师指点，发挥潜力 (兼谈对 ChatGPT 做逆向工程与 LLaMA 时代的开始)
拥抱变化，探索AI，了解AI，使用AI～
03-30 1264
如果只有指令微调… 人类老师需要给语言模型准备的教材是长这个样子的。要先想出人类可能会去问语言模型的问题，为每一个问题想一个正确的答案。有问题有答案之后，就可以把这些资料转成语言模型，可以拿来做训练文字接龙的格式。这种使用人类老师准备的资料来学习的过程，叫做instruction的fine tune。 这个instruction的意思是，人类老师提供了一些指令，机器会学习如何按照这些指令做出正确的回应。这些训练资料需要耗费大量人力才能获取，这种耗费大量人力产生资料的方式叫做资料标注。通过这种资料标注的方式
李宏毅【生成式AI导论 2024】第6讲 大型语言模型修炼_第一阶段_ 自我学习累积实力
拥抱变化，探索AI，了解AI，使用AI～
03-25 2081
背景知识：机器怎么学会做文字接龙 详见：https://blog.youkuaiyun.com/qq_26557761/article/details/136986922?spm=1001.2014.3001.5501 在语言模型的修炼中，我们需要训练资料来找出数十亿个未知参数，这个过程叫做训练或学习。找到参数后，我们可以使用函数来进行文字接龙，拿这组参数来使用叫做测试或者是叫做推论。 语言模型学习的三个阶段虽然训练资料不同，但都是在学习文字接龙，所有阶段做的事情是一样的。 机器学习中找参数的挑战 在机器学习中，寻找
【李宏毅-生成式 AI】Spring 2024, HW5：LLM Fine-tuning 实验记录
VLyb
06-10 1676
李宏毅生成式 AI 课程的 Lab Homework 5 实验的笔记
《生成式AI导论》学习笔记
u011868279的博客
04-21 362
《生成式AI导论》学习笔记
不可错过！CMU最新《生成式人工智能大模型》课程：从文本、图像到多模态大模型
Langchain的博客
10-06 1292
从生成图像和文本到生成音乐和艺术，生成模型一直是人工智能的关键挑战之一。本课程将探讨推动生成模型和基础模型（Foundation Models）最近进展的机器学习和人工智能技术。
台大李宏毅“生成式人工智能导论”（课件）
yinizhilianlove的博客
03-20 254
台大李宏毅老师“生成式人工智能导论”课件分享
《2024生成式AI赋能教育未来》白皮书
06-30
当前，席卷全球的生成式AI正成为教育变革中最具冲击力的变量之一，正引领一场深刻的教育革命，推动教学模式从“师-生”二元结构转变为“师-机-生”三元结构，为未来教育模式的发展和创新开辟了全新的视角和无限可能性。 白皮书指出，生成式AI与教学活动的结合，即是围绕教学目标展开，通过对课程内容、教学方法和教学环境三大要素的技术赋能和升级改造，提升教学活动中主体之间的互动效率，创造更有价值的教学成果。 对此，白皮书总结了生成式AI赋能教育创新的三个方向： 促进课程内容的智能化生成：包括辅助课程内容快速制作，提升教学效率；实现个性化课程内容定制，提高学习自主性和灵活性。 推动教学方法的创新优化：一方面增进教学过程的互动性，提高学生参与感和主动性；另一方面是创新教学的组织形式，推动跨学科项目的实践和创新。 加速教学环境全面升级：不仅体现在对传统教学环境的智能化改造，以适应日益增强的个性化、多样化教学需求，还在于它对教育环境传统边界的扩展和重新定义。 版权声明：本文为博主原创文章，遵循 CC 4.0
《生成式 AI》课程 作业6 大语言模型（LLM）的训练微调 Fine Tuning -- part2
chenchihwen的专栏
11-23 1469
代码围绕一个主工作目录展开，在这个主工作目录下包含了多个子目录和相关文件，用于存放不同阶段的数据、模型以及输出结果等内容，各个部分分工明确，以支持整个预训练语言模型微调及测试的流程。这段 Python 代码主要实现了基于 Hugging Face Transformers 库对预训练语言模型（具体为模型）进行微调（Fine-tuning）的功能，使其能更好地应用于生成唐诗相关内容的任务。整个流程涵盖了数据加载与预处理、模型配置、模型训练以及训练后模型的测试与结果保存等环节。
AI学习笔记-0413-导论部分-01
UMR2323的博客
04-13 469
让机器产生复杂有机构的物件。人工智能的目标之一，当前的大语言模型，翻译等便是生成式AI的产物。：比如文字构成的文章，像素点构成的图片，取样点构成的语音。：某种复杂到无法穷举的物件，例如写一篇100字文章，假设可用文字为1000，那么最终存在的可能性选择为1000^100种选择。：从有限的选择中做出选择。： 机器自动地从资料中总结出一个公式，即从大量的资料中，总结出一个公用的公式，获取参数，能够在输入新参数后得到新的结果。它是生成式AI的一种手段之一。
台湾大学李宏毅机器学习课程
06-04
李宏毅（（Hung-yi Lee）目前任台湾大学电机工程学系和电机资讯学院的助理教授，他曾于2012年获得台湾大学博士学位，并于2013年赴麻省理工学院（MIT）计算机科学和人工智能实验室做访问学者。他的研究方向主要是语义理解、语音识别、机器学习和深度学习）老师的机器学习课程以机器学习和深度学习的基础知识为主，包含了AI领域的各种最新知识和技术点。课程深入简出，通俗易懂，颇受欢迎，非常适合对AI感兴趣的学习者。本课程已经获得李宏毅老师授权。
李宏毅2024新课来了！
啥都生的博客
02-26 1404
2024年《机器学习》课程停止开设，可能2025年再继续。而今年计划开设《生成式人工智能导论》和《生成式人工智能技术》(暂定)2023年是人工智能技术与应用变革的一年，随着技术的推进，学校应该要有不一样的课程。过去，我每年都会修改原有的《机器学习》课程，使其可以日新月异，与前瞻的技术接轨，但2023年的变革之大，我想干脆开一门新的课目前《生成式人工智能导论》已经开始更新B站也将保持视频的同步更新（李老师支持其公开课的传播）==>点我观看课程。
AI 革命的下一站：Agent 智能体！李宏毅万字拆解，看懂它，你就领先 90%的人
lizhijianwill的博客
04-09 610
😂 LLM 也有自己的“内部知识”，它会和工具提供的“外部知识”进行“角力”。，形成更深层次的理解或新的见解（比如从“她天天跟我同车”+“她今天对我笑了”反思出“她可能喜欢我”😍）。早在 2022 年（ChatGPT 出现前的“上古时代”），就有人试过用当时的 LLM 下西洋棋。这说明，至少在下棋这种需要精确逻辑和规则的任务上，目前的 LLM Agent 还有很长的路要走。别急，今天这篇文章，就为你深度拆解李宏毅教授的核心观点，用大白话讲透 AI Agent 的前世今生、核心能力和未来潜力。
太牛了！AI大佬的课程！吴恩达、李飞飞、李宏毅、Hinton、LeCun...
2401_85343303的博客
09-12 1531
本文精心梳理了AI顶级大佬教授的人工智能课程，涵盖了深度学习、机器学习等多个领域的前沿内容。这些课程将引领您深入了解决策树、朴素贝叶斯、逻辑回归、神经网络和深度学习等核心知识点，同时还将探索贝叶斯学习、支持向量机和核方法、聚类、无监督学习等多元化的机器学习领域。此外，还有学习提升算法、强化学习以及学习理论等高级课程，为人工智能领域的深入研究和应用打下坚实基础。吴恩达（Andrew Ng）的教学视频是深度学习领域备受推崇的学习资源之一。
李宏毅 生成式AI导论
01-24
### 李宏毅生成式AI导论课程资料概述 #### 课程简介 李宏毅教授的《生成式AI导论》是一门深入浅出介绍生成式人工智能理论和技术的课程。该课程不仅涵盖了生成式AI的基础概念和发展历程，还探讨了当前最前沿的研究成果及其实际应用场景[^1]。 #### 主要内容概览 - **第0讲：课程说明** - 对整个系列讲座的内容框架进行了详细介绍。 - **第1讲：生成式AI是什么？** - 解释了生成式AI的核心定义以及其与其他类型的人工智能的区别所在。 - **第二讲：今日的生成式人工智慧厲害在哪裡？從「工具」變為「工具人」** - 探讨现代生成式AI的强大之处，并分析这些进步如何使机器不仅仅作为辅助工具存在，而是能够承担更多自主任务的角色转变过程。 - **第三讲：训练不了人工智能？你可以训练你自己（上）** - 讨论个人技能提升的重要性，特别是在面对复杂多变的技术环境时自我调整和适应的方法论建议。 #### 结构化学习与生成式学习的关系 在过去，“结构化学习”指的是让计算机学会处理具有特定格式的数据；而如今所说的“生成式学习”，则是指通过大量无标注数据来构建可以创造新样本或模拟真实世界现象的概率分布模型。尽管两者名称不同，但在某些方面确实存在着一定的联系——它们都涉及到模式识别、特征提取等关键技术环节。然而值得注意的是，在具体实现方式和技术细节层面二者之间差异巨大，尤其是在近十年间随着深度学习算法的发展，后者取得了前所未有的突破性进展[^2]。 #### 获取资源途径 为了方便国内学生获取最新版本的教学材料，《李宏毅2024生成式人工智能导论》提供了中文镜像版指导文档及配套练习题库，所有相关内容均已托管至GitHub平台供免费下载使用。这一举措得到了原作者正式授权许可，体现了教育工作者对于知识传播开放共享精神的支持态度[^3]。 ```bash git clone https://github.com/user/repo.git cd repo ``` 上述命令可以帮助用户轻松克隆仓库并浏览其中包含的各种教学素材。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值