Intrati in legatura

Schița de curs

Introducere în Fine-Tuning

  • Ce este fine-tuning-ul?
  • Cazuri de utilizare și beneficii ale fine-tuning-ului
  • Prezentare generală a modelelor preantrenate și a învățării prin transfer

Pregătirea pentru Fine-Tuning

  • Colectarea și curățarea seturilor de date
  • Înțelegerea cerințelor specifice ale sarcinilor pentru date
  • Analiza exploratorie a datelor și preprocesarea

Tehnici de Fine-Tuning

  • Învățarea prin transfer și extragerea de caracteristici
  • Fine-tuning modelelor transformers cu Hugging Face
  • Fine-tuning pentru sarcini supervizate vs nesupervizate

Fine-Tuning Modelelor de Limbaj de Mare Arie (LLMs)

  • Adaptarea LLMs pentru sarcini de NLP (de ex., clasificare de text, rezumare)
  • Antrenarea LLMs cu seturi de date personalizate
  • Controlul comportamentului LLMs prin inginerie de prompt

Optimizare și Evaluare

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

Scalarea Eforturilor de Fine-Tuning

  • Fine-tuning pe sisteme distribuite
  • Utilizarea 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 fine-tuning-ului
  • Provocări comune și depanare
  • Considerații etice în fine-tuning modelelor de IA

Subiecte Avansate (Opțional)

  • Fine-tuning modelelor multi-modale
  • Învățare zero-shot și few-shot
  • Explorarea tehnicilor LoRA (Adaptare de Rang Scăzut)

Rezumat și Pași Următori

Cerințe

  • Înțelegerea fundamentelor învățării automate
  • Experiență în programarea Python
  • Cunoașterea modelelor preantrenate și a aplicațiilor lor

Publicul țintă

  • Specialiști în știința datelor
  • Ingineri de învățare automată
  • Cercetători în inteligență artificială
 14 Ore

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite