పాఠాలు

డీప్ నెట్‌వర్క్‌లు షాలో నెట్‌వర్క్‌లను ఎలా అధిగమిస్తాయో తెలుసుకోండి, వానిషింగ్ గ్రేడియెంట్‌లను అర్థం చేసుకోండి, ResNet మరియు Transformers ఆర్కిటెక్చర్‌లను అన్వేషించండి, మరియు ట్రాన్స్‌ఫర్ లర్నింగ్ నేర్చుకోండి.

LLMలు ఏమిటో, Transformer ఆర్కిటెక్చర్ ఎలా పని చేస్తుందో, ప్రీట్రైనింగ్ నుండి RLHF వరకు ట్రైనింగ్ పైప్‌లైన్, మరియు GPT, Claude, Llama వంటి ప్రధాన మోడల్‌లను పోల్చడం.

Zero-shot నుండి tree-of-thought వరకు advanced prompting techniques master చేయండి, safe మరియు reusable prompt templates build చేయడం నేర్చుకోండి.

Domain-specific AI applications build చేయడానికి models ని fine-tune చేయడం లేదా retrieval-augmented generation use చేయడం ఎప్పుడు మరియు ఎలా చేయాలో నేర్చుకోండి.

AI agents ఎలా observe చేస్తాయి, reason చేస్తాయి, act చేస్తాయి - మరియు multi-agent collaboration artificial intelligence భవిష్యత్తును ఎలా రూపొందిస్తుందో తెలుసుకోండి.

Self-attention, multi-head attention, positional encoding, మరియు ప్రతి modern large language model ని power చేసే Transformer architecture లోకి deep dive.

Model performance govern చేసే empirical scaling laws, compute-optimal training strategies, మరియు frontier models train చేయడం వెనుక ఉన్న distributed systems engineering explore చేయండి.

Raw language models ని supervised fine-tuning, reward modelling, మరియు reinforcement learning from human feedback ద్వారా helpful, harmless assistants గా ఎలా transform చేస్తారో అర్థం చేసుకోండి.

AI agents ఎలా observe చేస్తాయి, reason చేస్తాయి, autonomously act చేస్తాయి - tool use, memory, planning strategies, మరియు multi-agent architectures ద్వారా complex real-world tasks ని ఎలా పూర్తి చేస్తాయో నేర్చుకోండి.

Modern AI systems యొక్క attack surface explore చేయండి - jailbreaks, prompt injection నుండి adversarial examples, data poisoning వరకు - మరియు వాటిని protect చేసే defence strategies నేర్చుకోండి.