Schița de curs

Introducere în reglarea fină

  • Ce este reglarea fină?
  • Cazuri de utilizare și beneficii ale ajustării fine
  • Prezentare generală a modelelor preinstruite și a învățării prin transfer

Pregătirea pentru ajustarea fină

  • Colectarea și curățarea seturilor de date
  • Înțelegerea cerințelor de date specifice sarcinii
  • Analiza exploratorie a datelor și preprocesarea

Tehnici de reglaj fin

  • Învățarea prin transfer și extragerea caracteristicilor
  • Reglarea fină a transformatoarelor cu Hugging Face
  • Reglarea fină pentru sarcini supravegheate vs. nesupravegheate

Reglare fină Large Language Models (LLMs)

  • Adaptarea LLM-urilor pentru sarcini NLP (de exemplu, clasificarea textului, rezumarea)
  • Pregătirea LLM-urilor cu seturi de date personalizate
  • Controlul comportamentului LLM cu inginerie promptă

Optimizare și evaluare

  • Reglarea hiperparametrilor
  • Evaluarea performanței modelului
  • Abordarea supraadaptării și subadaptării

Scalarea eforturilor de reglare fină

  • Reglarea fină pe sisteme distribuite
  • Exploatarea soluțiilor bazate pe cloud pentru scalabilitate
  • Studii de caz: Proiecte de fine-tuning la scară largă

Cele mai bune practici și provocări

  • Cele mai bune practici pentru succesul ajustării fine
  • Provocări comune și rezolvarea problemelor
  • Considerații etice privind reglarea fină a modelelor AI

Subiecte avansate (opțional)

  • Reglarea fină a modelelor multimodale
  • Învățarea zero-shot și few-shot
  • Explorarea tehnicilor LoRA (Low-Rank Adaptation)

Rezumat și pași următori

Cerințe

  • Înțelegerea fundamentelor învățării automate
  • Experiență cu programarea Python
  • Familiaritate cu modelele pre-antrenate și cu aplicațiile acestora

Audiență

  • Oameni de știință în domeniul datelor
  • ingineri în domeniul învățării automate
  • Cercetători AI
 14 ore

Numărul de participanți


Pret per participant

Upcoming Courses

Categorii înrudite