LLM Developer Day

Aprenda métodos práticos para projetar e implementar sistemas com tecnologia LLM em dados de negócios do mundo real usando APIs LLM populares e prontas para uso, sem necessidade de hardware especializado, treinamento de modelo ou implantação complicada. Mostraremos técnicas para projetar entradas eficazes para os modelos ("prompts") e como combinar LLMs com outros sistemas, incluindo bancos de dados de negócios, com kits de ferramentas como LangChain. Junte-se a nós e aprenda a construir sistemas LLM para gerar resultados de negócios tangíveis.

Empurre os LLMs além dos limites de qualidade de modelos e APIs prontos para uso, personalizando-os para aplicações específicas do domínio. Discutiremos estratégias para preparar conjuntos de dados e mostrar ganhos de diferentes formas de personalização usando exemplos práticos do mundo real. Junte-se a nós e aprenda sobre técnicas de ajuste de modelo aplicáveis a LLMs baseados em API e autogerenciados.

Nesta sessão, exploraremos modelos fundamentais de IA na biologia, bem como aplicações práticas de engenharia e design de proteínas apoiadas por exemplos do mundo real. Discutiremos os recentes avanços da biologia e aplicaremos isso a como você pode usar LLMs para prever a estrutura e a função de proteínas e codificar dados de proteínas computacionalmente. Os participantes aprenderão técnicas de como usar o NVIDIA BioNeMo™, uma plataforma de IA generativa para descoberta de medicamentos, para simplificar e acelerar o treinamento de modelos em seus próprios dados, garantindo a implantação fácil e escalável de modelos para aplicações de descoberta de medicamentos.

A cibersegurança é um problema de dados, e uma das formas mais eficazes de contextualizar dados é por meio de linguagem natural. Com o avanço dos LLMs e da computação acelerada, podemos representar dados de segurança de maneiras que expandem nossas técnicas de detecção e geração de dados. Nesta sessão, discutiremos os avanços em LLMs, incluindo como aproveitá-los em todo o stack cibersegurança, desde copilots até geração de dados sintéticos.

A otimização e a implantação de LLMs em hardware autogerenciado, seja na nuvem ou no local, podem produzir eficiência tangível, governança de dados e melhorias de custo para organizações que operam em escala. Discutiremos LLMs abertos e licenciados comercialmente que são executados em hardware comumente disponível e mostraremos como usar otimizadores para obter inferência de menor latência e maior taxa de transferência para reduzir as necessidades de computação. Junte-se a nós e saiba como expandir LLMs autogerenciados para acomodar requisitos exclusivos de negócios e aplicações.

Nesta sessão, responderemos a quaisquer perguntas adicionais que os participantes possam ter, além daquelas discutidas durante as sessões.