Загрузка страницы

Llama 3.1: разбор статьи. Часть 2. Architecture & Scaling laws.

Разбираем статью "The Llama 3 Herd of Models" (2024) со слушателями нашей AI-школы.

Предыдущее видео:
1. Intro & Data mix: https://youtu.be/YoRsqImynUE

Таймкоды:
00:00 Приветствие
03:54 3.2 Model Architecture
42:35 3.2.1 Scaling Laws

Все видео плейлиста:
1. Intro & Data mix: https://youtu.be/YoRsqImynUE
2. Model Architecture & Scaling laws: https://youtu.be/fR8flHXcvLs
3. Pre-training: https://youtu.be/1Ut-3-Ost0w
4. Reward modeling & Supervised Fine-tuning: https://youtu.be/4aUYhAgW5h4
5. DPO: https://youtu.be/2_RDSMu61YQ
6. Post-training data: https://youtu.be/RLAiyZP-Fvw

Плейлист с разбором Llama 3.1:
https://www.youtube.com/playlist?list=PL6-BrcpR2C5QXuCaev_DJ_o9lqYkAxSmo

Телеграм-канал:
https://t.me/razinkov_ai

Список моих открытых курсов по AI на YouTube:
https://t.me/razinkov_ai/622

Предварительная регистрация в следующий поток AI-школы:
https://razinkov.ai/school

Видео Llama 3.1: разбор статьи. Часть 2. Architecture & Scaling laws. канала Евгений Разинков
Показать
Комментарии отсутствуют
Введите заголовок:

Введите адрес ссылки:

Введите адрес видео с YouTube:

Зарегистрируйтесь или войдите с
Информация о видео
20 августа 2024 г. 0:40:31
01:44:02
Другие видео канала
Машинное обучение (2023). Лекция 6. Деревья решенийМашинное обучение (2023). Лекция 6. Деревья решенийСверточные нейронные сети. Лекция 14.Сверточные нейронные сети. Лекция 14.Глубокое обучение. Лекция 3. Обратное распространениеГлубокое обучение. Лекция 3. Обратное распространениеПринципы построения сверточных архитектур. Лекция 6 по глубокому обучениюПринципы построения сверточных архитектур. Лекция 6 по глубокому обучениюMonte Carlo Learning. Off-Policy Evaluation and Control. Лекция 6 по обучению с подкреплением.Monte Carlo Learning. Off-Policy Evaluation and Control. Лекция 6 по обучению с подкреплением.Что делать когда данных мало? Лекция 3 по машинному обучениюЧто делать когда данных мало? Лекция 3 по машинному обучениюБыстрое обнаружение аномалий на изображениях. Лекция 6 по обнаружению аномалийБыстрое обнаружение аномалий на изображениях. Лекция 6 по обнаружению аномалийГлубокое обучение. Лекция 7. Регуляризация глубоких нейронных сетейГлубокое обучение. Лекция 7. Регуляризация глубоких нейронных сетейAI: от основ до трансформеров. Регрессия. Лекция 3.AI: от основ до трансформеров. Регрессия. Лекция 3.Self-supervised learning: BYOL. Последняя лекция на факультете ВМК КФУ.Self-supervised learning: BYOL. Последняя лекция на факультете ВМК КФУ.Философия глубокого обучения. Лекция 6 по Modern Deep Learning.Философия глубокого обучения. Лекция 6 по Modern Deep Learning.Глубокое обучение. Лекция 3.1. Обратное распространение (продолжение)Глубокое обучение. Лекция 3.1. Обратное распространение (продолжение)Математические основы AdaBoost. Лекция 9 по машинному обучениюМатематические основы AdaBoost. Лекция 9 по машинному обучениюОбратное распространение через MLP . Лекция 5 по Modern Deep Learning (2023).Обратное распространение через MLP . Лекция 5 по Modern Deep Learning (2023).Llama 3.1: разбор статьи. Часть 9. Long context & Tool useLlama 3.1: разбор статьи. Часть 9. Long context & Tool useSelf-Supervised Learning. Часть 1. Лекция 5 по Advanced Computer VisionSelf-Supervised Learning. Часть 1. Лекция 5 по Advanced Computer VisionБонус) Скринкаст лекции. Линейные модели регрессии (весна 2020, курс "Введение в машинное обучение")Бонус) Скринкаст лекции. Линейные модели регрессии (весна 2020, курс "Введение в машинное обучение")Логистическая регрессия. Лекция 8.Логистическая регрессия. Лекция 8.Так обучается любая нейронная сеть. Лекция 3 по глубокому обучениюТак обучается любая нейронная сеть. Лекция 3 по глубокому обучениюВведение в AdaBoost. Лекция 8 по машинному обучениюВведение в AdaBoost. Лекция 8 по машинному обучению
Яндекс.Метрика