NLP, LLM va agent tizimlari: transformerlar, RAG, promptlar

Kurs haqida

Kurs NLPning klassik statistik modellardan tortib zamonaviy LLM va ular asosidagi tizimlargacha bo'lgan evolyutsiyasini qamrab oladi. Talabalar transformer arxitekturasini barcha tafsilotlari bilan, modelni moslashtirish usullarini (fine-tuning, RLHF, PEFT), shuningdek RAG tizimlari va instrumentlardan foydalanadigan agentlar qurishni o'rganadilar. Kurs amaliy AI-trek va NLP sohasidagi tadqiqotlar uchun markaziy hisoblanadi.

Nimalarni o'rganasiz

✓Transformerni noldan amalga oshirish, jumladan scaled dot-product attention va positional encoding

✓Oldindan o'qitilgan LLMlarni PEFT usullari (LoRA) yordamida aniq vazifa uchun moslashtirish

✓Vektorli qidiruv, reranker va javob sifatini baholash bilan RAG tizimi qurish

✓Tool use va kontekstni boshqarish bilan agent pipeline loyihalash

✓LLM tizimlarini avtomatik metrikalar va LLM-as-judge kombinatsiyasi bo'yicha baholash

Asosiy mavzular

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

•Transformer arxitekturasi: self-attention, multi-head attention, positional encoding

•LLMlarni dastlabki o'qitish: GPT, BERT, T5, LLaMA; masshtab qonunlari

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

•RLHF, DPO va alignment usullari

•Retrieval-Augmented Generation (RAG): chunking, vektorli indekslar, re-ranking

•Prompt Engineering: chain-of-thought, few-shot, structured output

•Agent tizimlari: tool use, ReAct, multi-agent orchestration

•LLMni baholash: BLEU, ROUGE, BERTScore, LLM-as-judge

Ushbu tavsif avtomatik tarzda yaratilgan va hali o'qituvchi tomonidan tekshirilmagan — bu muhokama uchun qoralama.

Kurs haqida

Nimalarni o'rganasiz

Asosiy mavzular

Fikr-mulohaza