IA x Machine Learning x Deep Learning x LLM
Preparamos uma tabela para ajudar a compreender as diferenças entre IA, Machine Learning, Deep Learning e LLM. Confira!
Preparamos uma tabela para ajudar a compreender as diferenças entre IA, Machine Learning, Deep Learning e LLM. Confira!
Seria possível fazer Day Trading com Inteligência Artificial aplicando LLMs, Agentes de IA e MCP para construir Agentes Autônomos de Investimentos? Fizemos essa pergunta aqui na DSA e com base em nossa experiência em IA, experimentamos. O resultado foi incrível e desse experimento surgiu o mais novo curso da Data Science Academy.
Descrevemos aqui para você a trilha de aprendizagem da Formação Processamento de Linguagem Natural 4.0, incluindo os cursos de bônus.
Preparamos este guia para ajuda você a compreender o que é destilação de LLMs (LLM Distillation), como a destilação funciona, seus princípios técnicos, aplicações práticas e as vantagens e desafios envolvidos nessa abordagem. Boa leitura e bons estudos.
Fine-Tuning do Modelo, RAG (Retrieval-Augmented Generation) e Engenharia de Prompt. Este artigo é um guia completo que explora, de forma detalhada e bem didática, o que é cada estratégia, suas diferenças técnicas, casos de uso em negócios, vantagens, desvantagens, limitações e orientações sobre quando cada abordagem é mais adequada.
Neste artigo vamos listar para você algumas das melhores práticas ao implementar RAG, bem como alguns casos de uso.
RAG aproveita dados externos para enriquecer o contexto dos LLMs, aumentando assim a sua capacidade de gerar respostas mais precisas e relevantes. À medida que cresce a adoção de RAG, aumenta também a complexidade de avaliar eficazmente o seu desempenho.
Os LLMs (Large Language Models) varreram o universo da Inteligência Artificial, em especial nas tarefas de Processamento de Linguagem Natural (PLN). Mas, como qualquer tecnologia, os LLMs têm limitações. E algumas dessas limitações estão sendo superadas com um processo de RAG (Retrieval-Augmented Generation), personalizando o uso de LLMs para necessidades específicas das empresas.
Os Modelos de Linguagem Pequenos (Small Language Models – SLMs) são versões mais compactas dos tradicionais Modelos de Linguagem de Larga Escala (Large Language Models – LLMs).
Tal como os estetoscópios e os raios X revolucionaram a medicina no seu tempo, a era da Inteligência Artificial e da aprendizagem de máquina chegou, prometendo outra mudança transformadora na área de saúde.
Listamos para você 7 LLMs open-s0urce que são gratuitos e podem ser usados para aplicações comerciais.
O quinto e último artigo da série sobre LLMs traz detalhes sobre funcionamento e treinamento, os principais LLMs do mercado como GPT, BERT, LaMDA, LLaMA, Alpaca, Falcon e GPT-J, além do conceito de Machine Unlearning. Confira.
LangChain é um framework de código aberto (open-source) criado para simplificar o desenvolvimento de aplicativos usando Large Language Models (LLMs), como aqueles disponibilizados por OpenAI ou Hugging Face.
Em Novembro de 2022, o ChatGPT foi lançado. A introdução deste chatbot baseado em IA marcou um ponto de virada na história da tecnologia, em especial da IA Generativa.
Nem todos os modelos de linguagem são criados iguais. Vários tipos estão emergindo como dominantes, incluindo modelos grandes e de uso geral, como GPT-3 e GPT-4 da OpenAI, e modelos ajustados para tarefas específicas. Na borda (Edge) existe uma terceira categoria de modelo — aquele que tende a ser altamente compactado em tamanho e limitado a poucos recursos, projetado especificamente para rodar em dispositivos e estações de trabalho da Internet das Coisas (IoT).