Этот практический курс погрузит студентов в создание современных языковых моделей (LLM) на примере GPT-архитектуры. Участники с нуля реализуют все основные компоненты Трансформера: от токенизации (BPE) до механизмов Внимания и генерации текста. Для разработки будем использовать только Python и низкоуровневый PyTorch, не полагаясь на какие-либо сторонние библиотеки.
Курс предназначен для разработчиков, инженеров машинного обучения и исследователей, желающих глубоко разобраться в архитектуре современных языковых моделей (LLM).
Чему вы научитесь:
- Научитесь читать схемы архитектур основанных на Трансформерах.
- Изучите принципы проектирования современных LLM.
- Понимать алгоритм токенизации текста.
- Реализовывать ключевые компоненты GPT.
- Управлять креативностью модели.
- Собирать и подготавливать данные для обучения.
- Настраивать Pre-train цикл обучения LLM.
Автор – Вячеслав Колосков:
- Machine Learning Engineer (в телекоме)
- В IT работаю более 15 лет.
- Последние 5 лет работаю Machine Learning Engineer (в телекоме).
- Много занимался большими табличками (Spark, Hadoop и пр.).
- В последнее время в основном работаю с NLP и в частности разрабатываю RAG-систему на работе.
Программа курса
Введение
- Инструкция
- Что такое LLM?
- Архитектура LLM
Токены и эмбединги
- Byte-Pair Encoding
- Эмбединги
Transformer
- «Внимание»
- Feed-Forward Network
- Decoder
LLM
- Собираем GPT
- Сэмплирование
Обучение
- Датасет
- Train/Eval
- Применение
Другие модели
- GPT-2
- LLama
- Mistral
- Mixtral
- Gemma
