Hoppa till innehållet
AI-grafen
Logga in
☰ Meny

Mål F AI engineering

Djup reinforcement learning

Policy gradient och REINFORCE, DQN med replay buffer och målnät, actor–critic och PPO — de metoder som driver allt från Atari till RLHF, och felen som gör att de inte lär sig.

Kunskaper
52
Från noll
ca 43 h
Labbar
6
Se vad du redan kan — utan konto

Diagnosen föreslår en startpunkt. Övningarna visar vad du faktiskt kan.

Det här kan du efteråt

Labbar på vägen

Du skriver koden. Tester du inte ser avgör om den håller.

Slutprov: bygg ett spårbart RAG-flödeEsandlåda · ca 75 minLabb: ett neuronnät i ren NumPy — forward, backprop, gradientkontrollDsandlåda · ca 75 minLabb: gradient descent från grundenDi webbläsaren · ca 50 minLabb: matrismultiplikation och ett lager i ett neuronnätDi webbläsaren · ca 45 minLabb: scaled dot-product attention med kausal maskDsandlåda · ca 60 minLabb: semantisk sökning med embeddingsDsandlåda · ca 45 min

Hela vägen

Allt målet bygger på, grupperat per nivå och i den ordning det bygger på varandra. Visa på kartan

AUpptäckare2 kunskaper
  1. Mönster och kategorier
  2. Sekvenser och exakta instruktioner
BUtforskare6 kunskaper
  1. Data i vardagen
  2. Algoritmiskt tänkande
  3. Regelbaserade system och maskininlärning
  4. Källkritik och ansvar vid AI-användning
  5. Träningsdata, features och etiketter
  6. Klassificering: hur en modell sorterar information
CByggare9 kunskaper
  1. Funktioner och koordinatsystem
  2. Programmeringslogik — variabler, villkor, loopar
  3. Python — grunderna
  4. Python — listor, loopar och dictionaries
  5. Statistik — medelvärde, median och spridning
  6. Sannolikhet — grunderna
  7. Linjär regression: anpassa en rät linje till data
  8. Neuronnät — intuitionen
  9. Promptning — att styra en språkmodell
DAI-utvecklare19 kunskaper
  1. Derivata och optimering
  2. Betingad sannolikhet
  3. Loss-funktioner
  4. Tokenisering
  5. Gradient descent
  6. Vektorer
  7. Matriser och matrismultiplikation
  8. Linjär regression med flera features
  9. Neuronnät — forward pass med matriser
  10. Backpropagation
  11. Embeddings — ord som vektorer
  12. Attention
  13. Overfitting och generalisering
  14. Partiella derivator och gradienten
  15. PyTorch — tensorer och autograd
  16. Retrieval — hitta rätt text
  17. Träning, validering och test
  18. Träna ett neuronnät i PyTorch
  19. Transformers — arkitekturen
EUniversitet8 kunskaper
  1. Reinforcement learning — grunderna
  2. Markovbeslutsprocesser
  3. Q-learning
  4. Kedjeregeln i flera variabler
  5. Språkmodeller — träning och generering
  6. Modellutvärdering
  7. Finjustering av språkmodeller
  8. RAG — retrieval-augmented generation
FAI engineering7 kunskaper
  1. Deep Q-Networks
  2. Policy gradient och REINFORCE
  3. Actor–critic och PPO
  4. Evals för språkmodeller och agenter
  5. RLHF och preferensinlärning
  6. Belöningshackning
  7. DPO och direkt preferensoptimering
GFrontier Lab1 kunskaper
  1. Alignment — problem och metoder