Melihat ke belakang, pentingnya GPU untuk AI adalah sesuatu yang benar-benar kami lakukan!

Sertifikat profesional baru yang menarik: PyTorch untuk Pembelajaran Mendalam yang diajarkan oleh @lmoroney sekarang tersedia di . Ini adalah program definitif untuk mempelajari PyTorch, yang merupakan salah satu kerangka kerja utama yang digunakan peneliti untuk membangun sistem AI terobosan. Jika Anda ingin memahami cara kerja model pembelajaran mendalam modern—atau membangun arsitektur kustom Anda sendiri—PyTorch memberi Anda kontrol langsung atas aspek utama pengembangan model. Sertifikat profesional tiga kursus ini membawa Anda dari dasar-dasar melalui arsitektur dan penerapan lanjutan: Kursus 1: PyTorch: Dasar-dasar - Pelajari bagaimana PyTorch mewakili data dengan tensor dan bagaimana himpunan data cocok dengan proses pelatihan. Anda akan membangun dan melatih jaringan saraf langkah demi langkah, memantau kemajuan pelatihan, dan mengevaluasi kinerja. Pada akhirnya, Anda akan memahami alur kerja PyTorch dan siap untuk merancang, melatih, dan menguji model Anda sendiri. Kursus 2: PyTorch: Teknik dan Alat Ekosistem - Kuasai pengoptimalan hiperparameter, pembuatan profil model, dan efisiensi alur kerja. Anda akan menggunakan penjadwal tingkat pembelajaran, mengatasi overfitting, dan menerapkan penyetelan otomatis dengan Optuna. Bekerja dengan TorchVision untuk AI visual dan Hugging Face untuk NLP. Pelajari pembelajaran transfer dan sesuaikan model yang telah dilatih sebelumnya untuk masalah baru. Kursus 3: PyTorch: Arsitektur dan Penerapan Tingkat Lanjut - Bangun arsitektur canggih termasuk Jaringan Siam, ResNet, DenseNet, dan Transformers. Pelajari bagaimana mekanisme perhatian mendukung model bahasa modern dan bagaimana model difusi menghasilkan gambar. Siapkan model untuk penerapan dengan ONNX, MLflow, pemangkasan, dan kuantisasi. Keterampilan yang akan Anda peroleh: - Membangun dan mengoptimalkan jaringan saraf di PyTorch—kerangka kerja yang digunakan peneliti untuk membuat model terobosan - Menyempurnakan model yang telah dilatih sebelumnya untuk visi komputer dan tugas NLP—mengadaptasi model yang ada untuk memecahkan masalah spesifik Anda - Terapkan arsitektur transformator dan bekerja dengan model difusi, teknologi inti di balik ChatGPT, dan pembuatan gambar modern - Optimalkan model dengan kuantisasi dan pemangkasan agar cepat dan efisien untuk penerapan dunia nyata Apakah Anda ingin menggunakan model yang sudah ada sebelumnya, membangun model khusus Anda sendiri, atau hanya memahami apa yang terjadi di bawah tenda sistem yang Anda gunakan, spesialisasi ini akan memberi Anda fondasi itu. Mulai belajar PyTorch:

Kursus baru yang menarik: Fine-tuning dan Reinforcement Learning untuk LLM: Pengantar Pasca-pelatihan, diajarkan oleh @realSharonZhou, VP AI di @AMD. Tersedia sekarang di . Pasca-pelatihan adalah teknik utama yang digunakan oleh laboratorium perbatasan untuk mengubah LLM dasar - model yang dilatih pada teks besar tanpa label untuk memprediksi kata/token berikutnya - menjadi asisten yang membantu dan andal yang dapat mengikuti instruksi. Saya juga telah melihat banyak aplikasi di mana pasca-pelatihan adalah apa yang mengubah aplikasi demo yang hanya bekerja 80% dari waktu menjadi sistem andal yang bekerja secara konsisten. Kursus ini akan mengajarkan Anda teknik pasca-pelatihan yang paling penting! Dalam kursus 5 modul ini, Sharon memandu Anda melalui pipeline pasca-pelatihan lengkap: penyempurnaan yang diawasi, pemodelan hadiah, RLHF, dan teknik seperti PPO dan GRPO. Anda juga akan belajar menggunakan LoRA untuk pelatihan yang efisien, dan merancang eval yang menangkap masalah sebelum dan sesudah penerapan. Keterampilan yang akan Anda peroleh: - Terapkan pembelajaran penyempurnaan dan penguatan yang diawasi (RLHF, PPO, GRPO) untuk menyelaraskan model dengan perilaku yang diinginkan - Gunakan LoRA untuk penyempurnaan yang efisien tanpa melatih ulang seluruh model - Menyiapkan himpunan data dan menghasilkan data sintetis untuk pasca-pelatihan - Memahami cara mengoperasikan saluran produksi LLM, dengan titik keputusan go/no-go dan loop umpan balik Metode canggih ini tidak terbatas pada lab AI perbatasan lagi, dan sekarang Anda dapat menggunakannya di aplikasi Anda sendiri. Pelajari di sini: