LLM Developer Day

本研討會介紹許多設計和實現大型語言模型系統的諸多實用方法，利用熱門的現成 LLM API，在真實的商業資料上設計和實現 LLM 驅動的系統 — 而不需專門的硬體、模型訓練或棘手的部署。我們將展示如何設計有效模型輸入（“提示” (prompt) 工程），並演示如何將大型語言模型與其他系統結合，包括使用LangChain等工具包與商業資料庫。立即報名加入，一起來學習如何構建具有實際商業價值之大型語言模型系統。

透過客製適用於特定領域應用的大型語言模型，可將大型語言模型品質水準提升遠超過現成模型和 API 之上。我們將討論準備資料集的策略，並使用實際的真實世界範例來展示不同客製形式的收益，因此特別邀請 NVIDIA 新創會員 - 亞太智能機器 (APMIC) 分享如何透過NVIDIA NeMo訓練大語言模型於法律文件判讀的應用範例。加入我們，一起瞭解基於API和自我管理大型語言模型的模型調校技巧。

範例分享：透過 NVIDIA NeMo 訓練大語言模型於法律文件判讀的應用

本主題主要分享亞太智能機器 (APMIC) 基於 NVIDIA NeMo 所開發的 LLM 訓練軟體，如何進行 LLM 的微調，並進行法律文件的分析，包含萃取人、事、時、地、物等內容。

本研討會除了探討生物學中的基礎 AI 模型外，也將介紹真實世界範例的實用蛋白工程和設計應用。我們將討論近期突破性的生物學技術，並將其應用到讓您使用 LLM 來預測蛋白質結構和功能，並對蛋白質資料數據進行計算編碼。與會者也將能學習到如何使用 NVIDIA BioNeMo™ - 一個用於藥物發現的生成式人工智慧 (generative AI) 平台，來簡化和加速資料的模型訓練，使得藥物開發的應用模型能更輕鬆地開發且可擴充性地部署，會中並特別邀請安宏生醫 (AnHorn) 分享利用 BioNeMo 加速蛋白質降解劑的新藥開發，內容精彩，不容錯過。

範例分享：AIDD 加速開發蛋白質降解劑：透過 NVIDIA BioNeMo 設計合理藥物分子

蛋白質降解劑（PROTAC）是一種受到許多藥廠關注的新興治療技術，其藥物分子有能力克服過往難以用小分子靶向的蛋白質。開發 PROTAC 在藥物化學上有一定的學理，因此合理使用 AI 可以加速 PROTAC 新藥發現。 PROTAC 設計其中重要的一環在於設計合理的藥物小分子作為蛋白質的配體，我們將展示如何應用 BioNeMo 上 Protein Folding、Molecule Generation 和 Docking 模組，針對蛋白質結合位點設計配體。

本研討會將探討如何在自己管理的硬體上優化和部署大型語言模型，無論是雲端還是地端，為企業組織的運作帶來實際可量化的效益、資料管理和成本改進。我們將討論在常見硬體上運行的開源、商業授權的大型語言模型，以及如何使用優化工具來實現更低延遲和更高吞吐量的模型推論，以降低運算的需求。立即報名，來瞭解如何擴展企業級大型語言模型，以滿足獨特的商業和應用需求。