AI4SŠ@FIT BRNO

V sobotu 13. 4. přivítáme na naší fakultě zájemce z řad středoškolských studujících na workshopu AI4SŠ@FIT BRNO, který pořádáme za podpory Brno.AI a AT&T. 

Cílovou skupinou jsou studentky a studenti, kteří mají zájem o umělou inteligenci a zvládají základy programování. Workshop bude probíhat od 9 do 17 hodin a účastníky provede tématem strojového učení a velkých jazykových modelů typu ChatGTP. Harmonogram dne je koncipován tak, aby téma pokryl v teoretické i praktické rovině:

Dopoledne:

• Projdeme si témata učení s učitelem, klasifikace a regrese.

• Vyzkoušíme si, jak v jazyce Python vytvářet jednoduché klasifikátory schopné například diagnostikovat choroby z laboratorních výsledků nebo odhalovat podvodné platební transakce.

Odpoledne:

• Zaměříme se na jazykové modely, jak fungují, jak se trénují a jak si  dotrénovat existující jazykový model pro vlastní účel.

• Vyzkoušíme si  prakticky doladit větší jazykový model na vlastních datech (LORA fine-tuning) a také použít GPT modely přes OpenAI API pro hromadnou extrakci informací z českých textu včetně optimalizace definice vhodných promptů.

• Budeme používat programovací jazyk Python v prostředí Google Colaboratory. 

On Saturday, April 13, we will welcome interested high school students to our faculty for the AI4SŠ@FIT BRNO workshop, which we are organizing with the support of Brno.AI and AT&T. 

The target group is students who are interested in artificial intelligence and have mastered the basics of programming. The workshop will run from 9am to 5pm and will take participants through the topic of machine learning and large language models like ChatGTP. The schedule for the day is designed to cover the topic in both theoretical and practical terms:

Morning:

• We will go over the topics of machine learning, classification and regression.
• We will try our hand at creating simple classifiers in Python capable of, for example, diagnosing diseases from lab results or detecting fraudulent payment transactions.

Afternoon:

• We will focus on language models, how they work, how to train them, and how to retrain an existing language model for your own purpose.
• We will try to practically fine-tune a larger language model on our own data (LORA fine-tuning), and also use GPT models via the OpenAI API for bulk information extraction from Boolean text, including optimizing the definition of appropriate prompts.
• We will use the Python programming language in the Google Colaboratory environment.