中
对生成式 AI（GenAI）技术技能的需求正在增加，企业正在积极寻找能够处理大型语言模型（LLM）的 AI 工程师。本 IBM 课程旨在培养能够加速您的 AI 职业生涯的就业就绪技能。 在本课程中，您将探索 Transformer 以及关键模型框架和平台，包括 Hugging Face 和 PyTorch。您将从优化 LLM 的基础框架开始学习，并快速提升到微调生成 AI 模型。您还将学习参数高效微调（PEFT）、低秩自适应（Load）、量化 Load（QLoad）和提示等高级技术。 上机实验将为您提供宝贵的实践经验，包括使用行业标准工具加载、预训练和微调模型。这些技能直接适用于现实世界中的 AI 职位，非常适合在面试中展示。 如果您已经准备好让自己的 AI 职业生涯更上一层楼，并用紧缺的 Gen AI 能力强化自己的简历，请立即报名，并在一周内开始应用您的新技能！
生成式 AI 工程和微调变压器
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
此课程作为 的一部分提供
在注册此课程时，您还需要选择一个特定的合作项目。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有2个模块
在本 Module 中，您将深入了解使用行业标准工具（如 Hugging Face 和 PyTorch）处理 Large Language Model (LLMs) 的实践方面。您将探索这些框架之间的区别，学习如何使用预训练模型加载和执行推理，并了解预训练和 Fine-tuning LLM 的过程。通过动手实验，您将获得实施这些技术的经验，提高为各种应用开发和优化 Generative AI 模型的能力。本 Modulation 结束时，您将掌握有效利用和微调 LLM 的技能，使其符合特定任务和性能要求。
涵盖的内容
5个视频4篇阅读材料2个作业4个应用程序项目
在本 Modulation 中，您将探索使用参数高效微调（PEFT）技术微调 Large Language Model 的前沿方法。您将了解适配器、低秩适配（LoRA）和量化，以及 PyTorch 和 Hugging Face 库的实际应用。动手实验和阅读将加深您对软 Prompt、量化 LoRA (QLoRA) 和关键术语的了解。您还可以访问简明小抄和词汇表，以巩固整个课程中介绍的基本技术、术语和工具。
涵盖的内容
4个视频5篇阅读材料2个作业2个应用程序项目4个插件
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
提供方
从 机器学习 浏览更多内容
状态：免费试用
状态：免费试用
状态：免费试用
状态：免费Amazon Web Services
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.5
89 条评论
- 5 stars
74.44%
- 4 stars
12.22%
- 3 stars
6.66%
- 2 stars
3.33%
- 1 star
3.33%
显示 3/89 个
RK
4
已于 Jan 16, 2025审阅
The labs all too often failed on environment issues - packages, version alignment, etc. This should be seamless in your controlled environment.
SS
5
已于 Nov 16, 2024审阅
The coding part in the labs provided in this course was very helpful and helped me to stabilize my learning.
AE
4
已于 Jan 1, 2025审阅
The course is good but lacks depth on complex subjects.
常见问题
完成本课程大约需要 8 个小时，因此您只需一周时间就能掌握打动雇主所需的就业技能！
本课程属于中级水平，因此要想获得最大的学习效果，您必须具备 Python、PyTorch 和 transformer 架构的基础知识。您还应该熟悉机器学习和神经网络的概念。
本课程是具有法学硕士学位的人工智能工程（Generative AI Engineering with LLMs）专项课程的一部分。完成该专项课程后，您将具备胜任 AI 工程师、NLP 工程师、机器学习工程师、深度学习工程师、数据科学家或软件开发人员等想要申请寻求与 LLMs 合作的工作角色的技能和信心。
更多问题
提供助学金，