Zero-shot Learning: IA para Cenários Inesperados

Aprenda a revolucionar a capacidade de adaptação dos seus modelos de IA, permitindo que generalizem para tarefas nunca antes vistas. Desenvolva sistemas inteligentes que operam com eficiência em cenários inesperados, economizando tempo e recursos de treinamento.

Nível: Iniciante a Intermediário

Para quem é: Desenvolvedores de IA, Engenheiros de Machine Learning, Pesquisadores e Cientistas de Dados interessados em técnicas avançadas de generalização de modelos.

Ao concluir, você será capaz de: O aluno será capaz de implementar e otimizar modelos de linguagem e outros modelos de IA para realizar tarefas complexas sem a necessidade de exemplos de treinamento prévios, focando na generalização para novos cenários.

6 módulos · 10h · certificado ao final

• Introduzir os conceitos fundamentais do Zero-shot Learning e sua relevância em IA moderna.
• Compreender as arquiteturas de Large Language Models (LLMs) e a criação de embeddings para tarefas zero-shot.
• Desenvolver classificadores e geradores de texto zero-shot utilizando bibliotecas como Transformers e Hugging Face.
• Otimizar prompts e estratégias avançadas para maximizar a performance de LLMs em cenários zero-shot.
• Avaliar e comparar o desempenho de modelos zero-shot através de métricas específicas e datasets variados.
• Projeto Final: Construir uma aplicação Zero-shot para classificar intenções de clientes em novas categorias de tickets de suporte.

Projeto Final

Implementação e avaliação de um sistema de Zero-shot Learning para classificação ou geração de texto em um novo domínio de aplicação.