Advarsel

Denne side er en kladde og bør kun tilgås via linket i modulbasens inddatering. Vi kan se, du ikke kommer derfra, så der er muligvis sket en fejl. Det link, du sandsynligvis har brug for, er linket til den offentlige version. Kontakt venligst den person, der har givet dig linket (eller den redaktør, der har offentliggjort linket), så det kan rettes til den korrekte offentlige version.
?.Host

Avanceret anvendelse af store sprogmodeller til generativ AI i industrien

2025/2026

Anbefalede faglige forudsætninger for at deltage i modulet

Diplom- eller civilingeniør inden for management engineering, forretningssystemer eller lignende.

Modulets indhold, forløb og pædagogik

Dette modul er designet til fagfolk i industrien, primært ingeniører og teknikere, der ønsker at udforske og udnytte det transformative potentiale i Store Sprogmodeller (LLMs) og generativ AI i industrielle anvendelser.

1. LLM-grundprincipper: Opnå dyb indsigt i arkitekturen, funktionen og udviklingen af store sprogmodeller, herunder deres træningsmetoder, kapaciteter og state-of-the-art teknologier til komplekse sprogopgaver. Læring om både kommercielle og open-source LLM-værktøjer og -rammer.

2. Praktisk implementering: Lære de kritiske processer ved at vælge passende modeller og forberede datasæt til specifikke industrielle applikationer. Tilegnelse af praktiske teknikker til at integrere LLMs i eksisterende industrielle processer, herunder træning, finjustering og optimeringsmetoder.

3. Industrielle anvendelser af NLP og LLMs: Lære hvordan LLMs kan bruges til at løse komplekse problemer på tværs af forskellige industrisektorer, med fokus på tekstgenerering, analyse og andre NLP-opgaver.

4. Etisk og ansvarlig AI: De etiske implikationer, udfordringer og bedste praksisser for implementering af LLMs i en industriel kontekst.

5. Fremtidige tendenser og innovationer: Udviklingen og fremtidige tendenser inden for LLMs og deres industrielle applikationer.

Læringsmål

Viden

  • Grundlæggende principper og arkitektur for Store Sprogmodeller.
     
  • Potentielle anvendelser af LLMs på tværs af forskellige industrisektorer.
     
  • Aktuelle tendenser og fremtidige retninger inden for LLM-teknologi og dens industrielle applikationer.

Færdigheder

  • Vælge passende LLM-modeller og forberede datasæt til specifikke industrielle applikationer.
     
  • Anvende praktiske teknikker til træning og finjustering af LLMs for at løse industrielle udfordringer.
     
  • Effektivt udnytte kommercielle og open-source LLM-værktøjer og -rammer.
     
  • Implementere LLMs for at optimere industrielle processer og drive innovation.
     
  • Analysere og evaluere LLMs' ydeevne i industrielle anvendelser.

Kompetencer

  • Selvstændigt vurdere og vælge egnede LLM-løsninger til komplekse industrielle problemer.
     
  • Designe og implementere LLM-baserede systemer til at imødekomme specifikke industrielle behov.
     
  • Evaluere de etiske implikationer og potentielle risici ved LLM-implementeringer i industrien.
     
  • Kontinuerligt tilpasse sig og inkorporere nye udviklinger i LLM-teknologi inden for industrielle applikationer.

Omfang og forventet arbejdsindsats

A 5 ECTS course module corresponds to a workload of 150 hours for the student.

Eksamen

Prøver

Prøvens navn Avanceret anvendelse af store sprogmodeller til generativ AI i industrien
Prøveform
Aktiv deltagelse/løbende evaluering
Reeksamen afvikles som en erstatningsopgave.
ECTS 5
Bedømmelsesform Bestået/ikke bestået
Censur Intern prøve
Vurderingskriterier Vurderingskriterierne er angivet i Universitetets eksamensordning

Yderligere informationer

Modulet udbydes som et særskilt modul.

Fakta om modulet

Engelsk titel Advanced Applications of Large Language Models for generative AI in Industry
Modulkode M-SM-KA-2
Modultype Kursus
Kategori Særskilt modul
Semester Efterår
ECTS 5
Undervisningssprog Engelsk
Undervisningssted Campus Aalborg
Modulansvarlig

Organisation

Studienævn Studienævn for Produktion
Institut Institut for Materialer og Produktion
Fakultet Det Ingeniør- og Naturvidenskabelige Fakultet