BEGIN:VCALENDAR VERSION:2.0 PRODID:IEEE vTools.Events//EN CALSCALE:GREGORIAN BEGIN:VTIMEZONE TZID:Europe/Ljubljana BEGIN:DAYLIGHT DTSTART:20260329T030000 TZOFFSETFROM:+0100 TZOFFSETTO:+0200 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3 TZNAME:CEST END:DAYLIGHT BEGIN:STANDARD DTSTART:20251026T020000 TZOFFSETFROM:+0200 TZOFFSETTO:+0100 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10 TZNAME:CET END:STANDARD END:VTIMEZONE BEGIN:VEVENT DTSTAMP:20260127T175504Z UID:6AABC937-DDDD-4BD9-99D4-12D0451ACA42 DTSTART;TZID=Europe/Ljubljana:20260129T100000 DTEND;TZID=Europe/Ljubljana:20260129T180000 DESCRIPTION:Kratek opis: Ta delavnica ponuja praktičen uvod v razvoj aplik acij z velikimi jezikovnimi modeli (LLM). Napredek v tehnikah in dostopnos ti LLM-jev odpira neprimerljive priložnosti za podjetja\, da poenostavijo svoje poslovanje\, zmanjšajo stroške in povečajo produktivnost. Udele ženci bodo pridobili temeljito razumevanje in praktično znanje o razvoju aplikacij z LLM-ji z raziskovanjem odprtokodnega ekosistema\, vključno s prednastavljenimi modeli\, ki omogočajo hiter začetek razvoja. Ob koncu delavnice lahko udeleženci pridobijo uradni certifikat NVIDIA Deep Learn ing Institute.\n\nPodrobnejši opis: Delavnica ponuja celovit uvod v razvo j aplikacij z velikimi jezikovnimi modeli. Spoznali boste\, kako so strukt urirani veliki jezikovni modeli in kako jih uporabljati. Pregledali bomo a rhitekture transformerjev\, vmesnike in intuicije ter kako se skalirajo za doseganje najsodobnejših rešitev LLM.\n\nRaziskovali boste specializira ne kodirne modele (encoder models) za naloge\, kot so semantična analiza\ , vektorske predstavitve (embeddings)\, odgovarjanje na vprašanja in klas ifikacija brez učenja (zero-shot classification). Prav tako se boste nau čili uporabljati dekodirne modele (decoder models) za generiranje zapored ij\, kot so programska koda\, neomejeni odgovori in pogovori.\n\nOb koncu tečaja boste znali uporabljati tehnike upravljanja stanja in kompozicije za vodenje LLM-jev k varnim\, učinkovitim in natančnim pogovorom\, vklju čno z implementacijo RAG (Retrieval-Augmented Generation) za dostop do zu nanjega okolja. Ob koncu delavnice lahko udeleženci pridobijo uradni cert ifikat Deep Learning Institute pri NVIDIA.\n\nZahtevnost: Osnovna\n\nJezik : Slovenski\n\nOpis poteka izobraževanja: Delavnica poteka na daljavo pre ko brskalnika na oblačni infrastrukturi.\n\nPriporočeno predznanje: Osno vno poznavanje globokega učenja in udobje pri uporabi PyTorch ter prenosn em učenju. Srednje poznavanje Pythona\, vključno z objektno orientiranim programiranjem in uporabo knjižnic.\n\nCiljna publika: Študenti računa lništva in informatike\, inženirji\, raziskovalci\, razvijalci ter vsi\, ki želijo razumeti in uporabljati velike jezikovne modele v praksi.\n\nN a izobraževanju pridobljena znanja:\n\n- Poiskati\, uporabiti in eksperim entirati z repozitorijem modelov HuggingFace in pripadajočim API-jem\n- U porabljati kodirne modele za naloge\, kot so semantična analiza\, vektors ke predstavitve\, odgovarjanje na vprašanja in klasifikacija brez učenja \n- Uporabljati dekodirne modele za generiranje zaporedij\, kot so program ska koda\, neomejeni odgovori in pogovori\n- Uporabljati tehnike upravljan ja stanja in kompozicije za vodenje LLM-jev k varnim\, učinkovitim in nat ančnim pogovorom\n\nOmejitev števila udeležencev: 30\n\nVirtualna lokac ija: MS Teams\n\nOrganizator: UM FERI\, NVIDIA\n\nSpeaker(s): Domen Verber \, Jani Dugonik\n\nAgenda: \nPrevidven program:\n\n10:00–10:15: Uvod (Sp oznajte inštruktorje. Ustvarite račun na courses.nvidia.com/join)\n\n10: 15–11:30: Od globokega učenja do velikih jezikovnih modelov (Naučili s e boste\, kako so veliki jezikovni modeli strukturirani in kako jih uporab ljati. Pregled globokega učenja in razmišljanja na osnovi razredov ter k ako iz tega izhaja jezikovno modeliranje. Razpravljanje o arhitekturah tra nsformerjev\, vmesnikih in intuicijah ter o tem\, kako se povečujejo in s preminjajo za vrhunske rešitve velikih jezikovnih modelov.\n\n11:30–11: 45: Odmor\n\n11:45–12:30: Specializirani kodirni modeli (Naučili se bos te\, kako obravnavati različne specifikacije nalog: Raziskali boste najso dobnejše kodirne modele HuggingFace. Uporabili boste že prilagojene mode le za zanimive naloge\, kot so klasifikacija tokenov\, klasifikacija zapor edij\, napoved obsega in klasifikacija brez učenja)\n\n12:30–13:30: Odm or\n\n13:30–14:15: Kodirno-dekodirni modeli za Seq2Seq: Dekodirni modeli za generiranje besedila\n\n14:25–15:10: Dekodirni modeli za generiranje besedila ( Naučili se boste o dekodirnih modelih v slogu GPT in kako jih določiti ter uporabljati: Raziskali boste\, kdaj je dekodirnik samostoje n primeren\, in obravnavanje težav pri oblikovanju. Razpravljanje o velik osti modela\, posebnih tehnikah uvajanja in premislekih. Uporabili boste n ekaj velikih modelov za generiranje besedila in si oglejte\, kako delujejo ).\n\n15:10–15:30: Odmor\n\n15:30–16:30: Stanje velikih jezikovnih mod elov (Naučili se boste\, kako dvigniti jezikovne modele nad “stohastič ne papige” z vnosom konteksta: Predstavitev sodobnih tehnik sestavljanja velikih jezikovnih za upravljanje zgodovine in stanja. Razpravljanje o ge neriranju z izboljšanim iskanjem (RAG) za dostop do zunanjega okolja)\n\n 16:30–17:00: Preverjanje znanja in vprašanja/odgovori (Pregled ključni h spoznanj. Opravite preverjanje znanja na osnovi kode in pridobite certif ikat.)\n\nVirtual: https://events.vtools.ieee.org/m/534061 LOCATION:Virtual: https://events.vtools.ieee.org/m/534061 ORGANIZER:jani.dugonik@ieee.org SEQUENCE:10 SUMMARY:Delavnica NVIDIA: Hitro razvijanje aplikacij z uporabo velikih jezi kovnih modelov URL;VALUE=URI:https://events.vtools.ieee.org/m/534061 X-ALT-DESC:Description: <br /><p><strong>Kratek opis:&nbsp\;</strong>Ta del avnica ponuja praktičen uvod v razvoj aplikacij z velikimi jezikovnimi mo deli (LLM). Napredek v tehnikah in dostopnosti LLM-jev odpira neprimerljiv e priložnosti za podjetja\, da poenostavijo svoje poslovanje\, zmanj&scar on\;ajo stro&scaron\;ke in povečajo produktivnost. Udeleženci bodo prido bili temeljito razumevanje in praktično znanje o razvoju aplikacij z LLM- ji z raziskovanjem odprtokodnega ekosistema\, vključno s prednastavljenim i modeli\, ki omogočajo hiter začetek razvoja. Ob koncu delavnice lahko udeleženci pridobijo uradni certifikat NVIDIA Deep Learning Institute.</p >\n<p><strong>Podrobnej&scaron\;i opis: </strong>Delavnica ponuja celovit uvod v razvoj aplikacij z velikimi jezikovnimi modeli. Spoznali boste\, ka ko so strukturirani veliki jezikovni modeli in kako jih uporabljati. Pregl edali bomo arhitekture transformerjev\, vmesnike in intuicije ter kako se skalirajo za doseganje najsodobnej&scaron\;ih re&scaron\;itev LLM.</p>\n<p >Raziskovali boste specializirane kodirne modele (encoder models) za nalog e\, kot so semantična analiza\, vektorske predstavitve (embeddings)\, odg ovarjanje na vpra&scaron\;anja in klasifikacija brez učenja (zero-shot cl assification). Prav tako se boste naučili uporabljati dekodirne modele (d ecoder models) za generiranje zaporedij\, kot so programska koda\, neomeje ni odgovori in pogovori.</p>\n<p>Ob koncu tečaja boste znali uporabljati tehnike upravljanja stanja in kompozicije za vodenje LLM-jev k varnim\, u činkovitim in natančnim pogovorom\, vključno z implementacijo RAG (Retr ieval-Augmented Generation) za dostop do zunanjega okolja. Ob koncu delavn ice lahko udeleženci pridobijo uradni certifikat Deep Learning Institute pri NVIDIA.</p>\n<p><strong>Zahtevnost:</strong> Osnovna</p>\n<p><strong>J ezik:</strong> Slovenski</p>\n<p><strong>Opis poteka izobraževanja: </str ong>Delavnica poteka na daljavo preko brskalnika na oblačni infrastruktur i.<strong><br></strong></p>\n<p><strong>Priporočeno predznanje: </strong> Osnovno poznavanje globokega učenja in udobje pri uporabi PyTorch ter pre nosnem učenju. Srednje poznavanje Pythona\, vključno z objektno orientir anim programiranjem in uporabo knjižnic.</p>\n<p><strong>Ciljna publika: </strong><span class="markedContent">&Scaron\;tudenti računalni&scaron\;t va in informatike\, inženirji\, raziskovalci\, razvijalci ter vsi\, ki ž elijo razumeti in uporabljati velike jezikovne modele v praksi.</span></p> \n<p><strong>Na izobraževanju pridobljena znanja:</strong></p>\n<ul>\n<li >Poiskati\, uporabiti in eksperimentirati z repozitorijem modelov HuggingF ace in pripadajočim API-jem&nbsp\;</li>\n<li>Uporabljati kodirne modele z a naloge\, kot so semantična analiza\, vektorske predstavitve\, odgovarja nje na vpra&scaron\;anja in klasifikacija brez učenja</li>\n<li>Uporablja ti dekodirne modele za generiranje zaporedij\, kot so programska koda\, ne omejeni odgovori in pogovori</li>\n<li>Uporabljati tehnike upravljanja sta nja in kompozicije za vodenje LLM-jev k varnim\, učinkovitim in natančni m pogovorom</li>\n</ul>\n<p><strong>Omejitev &scaron\;tevila udeležencev: </strong> 30</p>\n<p><strong>Virtualna lokacija:</strong> MS Teams</p>\n<p ><strong>Organizator:&nbsp\;</strong>UM FERI\, NVIDIA</p><br /><br />Agend a: <br /><p>Previdven program:</p>\n<p>10:00&ndash\;10:15: Uvod (Spoznajte in&scaron\;truktorje. Ustvarite račun na courses.nvidia.com/join)</p>\n< p>10:15&ndash\;11:30: Od globokega učenja do velikih jezikovnih modelov ( Naučili se boste\, kako so veliki jezikovni modeli strukturirani in kako jih uporabljati. Pregled globokega učenja in razmi&scaron\;ljanja na osno vi razredov ter kako iz tega izhaja jezikovno modeliranje. Razpravljanje o arhitekturah transformerjev\, vmesnikih in intuicijah ter o tem\, kako se povečujejo in spreminjajo za vrhunske re&scaron\;itve velikih jezikovnih modelov.</p>\n<p>11:30&ndash\;11:45: Odmor</p>\n<p>11:45&ndash\;12:30: Sp ecializirani kodirni modeli (Naučili se boste\, kako obravnavati različn e specifikacije nalog: Raziskali boste najsodobnej&scaron\;e kodirne model e HuggingFace. Uporabili boste že prilagojene modele za zanimive naloge\, kot so klasifikacija tokenov\, klasifikacija zaporedij\, napoved obsega i n klasifikacija brez učenja)</p>\n<p>12:30&ndash\;13:30: Odmor</p>\n<p>13 :30&ndash\;14:15: Kodirno-dekodirni modeli za Seq2Seq: Dekodirni modeli za generiranje besedila</p>\n<p>14:25&ndash\;15:10: Dekodirni modeli za gene riranje besedila ( Naučili se boste o dekodirnih modelih v slogu GPT in k ako jih določiti ter uporabljati: Raziskali boste\, kdaj je dekodirnik sa mostojen primeren\, in obravnavanje težav pri oblikovanju. Razpravljanje o velikosti modela\, posebnih tehnikah uvajanja in premislekih. Uporabili boste nekaj velikih modelov za generiranje besedila in si oglejte\, kako d elujejo).</p>\n<p>15:10&ndash\;15:30: Odmor</p>\n<p>15:30&ndash\;16:30: St anje velikih jezikovnih modelov (Naučili se boste\, kako dvigniti jezikov ne modele nad &ldquo\;stohastične papige&rdquo\; z vnosom konteksta: Pred stavitev sodobnih tehnik sestavljanja velikih jezikovnih za upravljanje zg odovine in stanja. Razpravljanje o generiranju z izbolj&scaron\;anim iskan jem (RAG) za dostop do zunanjega okolja)</p>\n<p>16:30&ndash\;17:00: Preve rjanje znanja in vpra&scaron\;anja/odgovori (Pregled ključnih spoznanj. O pravite preverjanje znanja na osnovi kode in pridobite certifikat.)</p> END:VEVENT END:VCALENDAR