Algorytmy i struktury danych dla uczenia maszynowego i LLM

Aby tworzyć wydajne systemy uczenia maszynowego i pracować z nowoczesnymi dużymi modelami językowymi, musisz zrozumieć leżące u ich podstaw struktury obliczeniowe. Pisanie kodu, który działa, to tylko pierwszy krok. Pisania kodu, którego skalowanie wymaga głębokiej znajomości algorytmów i struktur danych. Ten kurs tekstowy prowadzi od podstawowych zasad informatyki do ich bezpośrednich zastosowań w nowoczesnej sztucznej inteligencji, pomagając przejść od pisania podstawowych skryptów do projektowania wysoce zoptymalizowanych, gotowych do produkcji przepływów pracy do przetwarzania danych, oceny modelu i wyszukiwania wektorowego. Czego się nauczysz: - Zrozum podstawowe struktury danych, takie jak tablice, drzewa i tabele skrótów oraz sposób, w jaki leżą u podstaw popularnych bibliotek uczenia maszynowego. - Analizuj złożoność algorytmiczną za pomocą notacji Big O, aby napisać wysoce wydajny, skalowalny kod. - Zastosuj algorytmy wyszukiwania i sortowania do przygotowywania danych w świecie rzeczywistym i potoków wstępnego przetwarzania. - Poznaj mechanikę wektorowych baz danych i algorytmów wyszukiwania podobieństwa używanych w nowoczesnych aplikacjach LLM. - Wdrażaj podstawowe algorytmy wykresów, aby zrozumieć struktury sieci neuronowych i rozwiązywanie zależności. - Ćwicz rozwiązywanie problemów algorytmicznych dostosowanych do inżynierii uczenia maszynowego i ról związanych z nauką o danych. Zaczniesz od zbadania podstawowych definicji i złożoności czasowej, zanim przejdziesz krok po kroku przez struktury danych, algorytmy wyszukiwania i praktyczne zastosowania w nowoczesnych potokach uczenia maszynowego i modelu językowego. Ten kurs jest przeznaczony dla początkujących inżynierów uczenia maszynowego, naukowców zajmujących się danymi i programistów, którzy chcą wzmocnić swoje podstawy informatyki, bez wcześniejszego wymaganego tła algorytmicznego.Zacznij czytać już dziś, aby opanować podstawy obliczeniowe nowoczesnej sztucznej inteligencji.