Trumpai

Šiuo metu verslo užduotims automatizuoti naudojami taisyklėmis paremti metodai ir paprastesni mašininio mokymosi modeliai. Vizualinė medžiaga kuriama rankiniu būdu, o duomenų paruošimas dažnai atliekamas neefektyviai.

Iššūkis studentams – pasitelkiant pažangius LLM (didžiuosius kalbos modelius), tokius kaip GPT-4, siekti automatizuoti sudėtingas verslo užduotis, reikalaujančias semantinio konteksto supratimo.

Apie įmonę

https://www.perfection42.com/

 Poreikis

 Yra poreikis sudėtingų verslo užduočių, reikalaujančių semantinio teksto supratimo, automatizavimui, kadangi šiuo metu vizualinė medžiaga kuriama rankiniu būdu, o duomenų paruošimas atliekamas neefektyviai.

Įmonė turi patirties taikant LLM ir difuzijos modelius įvairiuose projektuose. Sėkmingai integravo šiuos modelius į skaitmenines sistemas, optimizavo jų išvestį ir apmokė specializuotus modelius. Dirba su Python, PyTorch ir kitomis minėtomis sistemomis.

Poreikis užduoties kontekste

 Darbas tiriant ir taikant modernius didžiuosius kalbos modelius (LLM) siekiant automatizuoti verslo užduotis, kurioms įgyvendinti reikia semantinio konteksto suvokimo.

Darbas tiriant ir taikant skirtingus generatyvinius difuzijos modelius siekiant automatizuoti vizualios medžiagos kūrimo procesus.

Generatyvinių difuzijos modelių ir didžiųjų kalbos modelių integracija į kuriamas skaitmenines sistemas.

Duomenų paruošimo strategijos, metodikos ir metodikų taikymas siekiant efektyviai taikyti generatyvinius

DI modelius, optimizuoti DI modelių išvestį, apmokyti specializuotus DI modelius. Duomenų paruošimo

strategijų tyrimai.

Darbo duomenų tipai: vaizdinė, tekstinė, tabuliari, video medžiagos informacija.

Esamų sistemų apjungiančių generatyvinius modelius ir duomenų transformacijas palaikymas ir priežiūra.

Efektyvus informacijos rinkimas, sisteminimas ir taikymas.

Darbas su Python, PyTorch, HuggingFace, NumPy, Pandas, ComfyUI, n8n sistemomis.

Galimas sprendimas

Pasitelkiant pažangius LLM, tokius kaip GPT-4, galima automatizuoti sudėtingas verslo užduotis, reikalaujančias semantinio konteksto supratimo.
Generatyviniai difuzijos modeliai, pavyzdžiui, Stable Diffusion, gali automatizuoti vizualios medžiagos kūrimą. Duomenų paruošimo strategijos, tokios kaip aktyvus mokymasis, gali pagerinti modelių efektyvumą.

Kviečiami studentai

Dirbtinio intelekto (DI), Mašininio mokymosi (ML) tyrėjai ir kūrėjai