ข้ามไปยังเนื้อหาบท
เมนู
เข้าสู่ระบบ — เร็ว ๆ นี้

บทที่ 24 จาก 32

พื้นฐานกลไก Large Language Model

เรียนตามลำดับทั้ง 8 บท หรือเลือกหัวข้อที่ตรงกับงานของคุณ แล้วใช้แบบทดสอบประจำบทเพื่อตรวจจุดที่ควรทบทวน

เริ่มบทแรกทำแบบทดสอบบทนี้

8 บทเรียนในบทนี้

  1. 1
    Training Data หล่อหลอมสิ่งที่โมเดลรู้และไม่รู้

    เข้าใจ Training Data หล่อหลอมสิ่งที่โมเดลรู้และไม่รู้ เพื่อทดสอบและเลือกใช้โมเดลในงานไทย

    16 นาที
  2. 2
    Training กับ Inference เป็นคนละงาน

    เข้าใจ Training กับ Inference เป็นคนละงาน เพื่อทดสอบและเลือกใช้โมเดลในงานไทย

    16 นาที
  3. 3
    Token และ Vocabulary: ทำไมภาษาไทยใช้พื้นที่ไม่เท่ากัน

    เข้าใจ Token และ Vocabulary: ทำไมภาษาไทยใช้พื้นที่ไม่เท่ากัน เพื่อทดสอบและเลือกใช้โมเดลในงานไทย

    16 นาที
  4. 4
    GPT พัฒนาจากการเติมข้อความสู่ผู้ช่วยงาน

    เข้าใจ GPT พัฒนาจากการเติมข้อความสู่ผู้ช่วยงาน เพื่อทดสอบและเลือกใช้โมเดลในงานไทย

    16 นาที
  5. 5
    จาก Completion สู่ Chat Template และ SFT

    เข้าใจ จาก Completion สู่ Chat Template และ SFT เพื่อทดสอบและเลือกใช้โมเดลในงานไทย

    16 นาที
  6. 6
    Context Window คือพื้นที่ทำงานของ Prompt

    เข้าใจ Context Window คือพื้นที่ทำงานของ Prompt เพื่อทดสอบและเลือกใช้โมเดลในงานไทย

    16 นาที
  7. 7
    Temperature และ Top-P คุมการสุ่ม ไม่ได้คุมความจริง

    เข้าใจ Temperature และ Top-P คุมการสุ่ม ไม่ได้คุมความจริง เพื่อทดสอบและเลือกใช้โมเดลในงานไทย

    16 นาที
  8. 8
    สรุป: จาก Training Data ถึง Sampling

    ทบทวนกลไก LLM ที่จำเป็นต่อการออกแบบ Prompt, API และการตรวจคำตอบ

    15 นาที