NLP, LLM और एजेंटिक सिस्टम: ट्रांसफॉर्मर्स, RAG, प्रॉम्प्ट्स

कोर्स के बारे में

यह कोर्स NLP के विकास-क्रम को क्लासिकल सांख्यिकीय मॉडलों से लेकर आधुनिक LLM और उन पर आधारित सिस्टम तक कवर करता है। स्टूडेंट्स ट्रांसफॉर्मर (transformers) आर्किटेक्चर का विस्तृत अध्ययन करते हैं, फाइन-ट्यूनिंग (fine-tuning, RLHF, PEFT) की विधियाँ सीखते हैं, और साथ ही टूल्स के साथ RAG-सिस्टम व एजेंट्स बनाना सीखते हैं। यह कोर्स एप्लाइड AI ट्रैक और NLP क्षेत्र में शोध के लिए केंद्रीय है।

आप क्या सीखेंगे

✓scaled dot-product attention और positional encoding सहित ट्रांसफॉर्मर को शुरू से (from scratch) इम्प्लीमेंट करना

✓किसी विशिष्ट कार्य के लिए PEFT विधियों (LoRA) का उपयोग करते हुए प्री-ट्रेन्ड LLM को फाइन-ट्यून करना

✓वेक्टर सर्च, री-रैंकर और उत्तरों की गुणवत्ता के मूल्यांकन सहित एक RAG सिस्टम बनाना

✓tool use और कॉन्टेक्स्ट प्रबंधन के साथ एक एजेंटिक pipeline डिज़ाइन करना

✓स्वचालित मेट्रिक्स और LLM-as-judge के संयोजन से LLM सिस्टम का मूल्यांकन करना

मुख्य विषय

•टोकनाइज़ेशन, word embeddings (Word2Vec, GloVe, BPE)

•ट्रांसफॉर्मर आर्किटेक्चर: self-attention, multi-head attention, positional encoding

•LLM का प्री-ट्रेनिंग: GPT, BERT, T5, LLaMA; स्केलिंग लॉज़ (scaling laws)

•फाइन-ट्यूनिंग: full fine-tuning, LoRA, QLoRA, prompt tuning (PEFT)

•RLHF, DPO और अलाइनमेंट (alignment) विधियाँ

•Retrieval-Augmented Generation (RAG): chunking, वेक्टर इंडेक्स, re-ranking

•प्रॉम्प्ट इंजीनियरिंग: chain-of-thought, few-shot, structured output

•एजेंटिक सिस्टम: tool use, ReAct, multi-agent orchestration

•LLM का मूल्यांकन: BLEU, ROUGE, BERTScore, LLM-as-judge

यह विवरण स्वतः जनरेट किया गया है और अभी तक किसी फ़ैकल्टी सदस्य द्वारा जाँचा नहीं गया है — यह चर्चा हेतु एक ड्राफ़्ट है।

कोर्स के बारे में

आप क्या सीखेंगे

मुख्य विषय

फ़ीडबैक