Ewolucja koncepcji Dużych Modeli Językowych (Large Language Model - #LLM) mocno przyspiesza w kierunku wielomodalnym. Oznacza to, że modele mogą rozumieć kontekst, wnioskować, przewidywać i generować różne typy treści takie jak teksty, dźwięki czy obrazy - i to jednocześnie. Ta właściwość napędziła ich rozwój, z uwagi na szeroką zastosowalność do różnych zadań #NLP. To bardzo obiecująca technologia pod względem poprawy wydajności, usprawnienia procesów i ostatecznie zwiększenia wartości biznesowej.
Aby się o tym przekonać, podczas PyStok #67 - edycja listopadowa wysłuchamy drugiej prezentacji, którą wygłosi Piotr Tynecki, specjalizujący się w aplikacyjnym zastosowaniu Komputerowej Wizji, NLP i Uczenia Maszynowego.
Podczas prezentacji dowiemy się:
- czym są modele #multimodalne, enkoder wizyjny oraz adapter wizja-tekst?
- jak użyć #Python i pakietu #transformers do pobrania i zainicjowania lokalnie modeli języka wizyjnego (Florence-2-large, Phi-3.5-vision-instruct) oraz zastosowania na wybranych zadaniach tj. odpowiadanie na pytania, generowanie opisów do obrazów, detekcję obiektową czy nawet segmentację?
- czym jest fine-tuning?
- co oznacza właściwość "zero-shot"?
Więcej o PyStok:
pystok.org/
pystok
pystok
#podlasie #bialystok #programowanie #programista #zmianaklimatu