Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Въведение в DeepSeek LLM Fine-Tuning
- Преглед на DeepSeek модели, напр. DeepSeek-R1 и DeepSeek-V3
- Разбиране на необходимостта от фина настройка на LLM
- Сравнение на фина настройка срещу бързо инженерство
Подготовка на набора от данни за Fine-Tuning
- Куриране на набори от данни, специфични за домейна
- Техники за предварителна обработка и почистване на данни
- Токенизация и форматиране на набор от данни за DeepSeek LLM
Настройване на Fine-Tuning среда
- Конфигуриране на GPU и TPU ускорение
- Настройване на Hugging Face трансформатори с DeepSeek LLM
- Разбиране на хиперпараметри за фина настройка
Fine-Tuning DeepSeek LLM
- Внедряване на контролирана фина настройка
- Използване на LoRA (адаптация от нисък ранг) и PEFT (ефективна спрямо параметрите Fine-Tuning)
- Изпълнение на разпределена фина настройка за широкомащабни набори от данни
Оценяване и оптимизиране на фино настроени модели
- Оценяване на ефективността на модела с оценъчни показатели
- Справяне с прекомерно и недостатъчно оборудване
- Оптимизиране на скоростта на извод и ефективността на модела
Внедряване на фино настроени DeepSeek модели
- Модели на пакетиране за внедряване на API
- Интегриране на фино настроени модели в приложения
- Мащабиране на внедрявания с облачни и периферни изчисления
Реални Use Caseи приложения
- Фино настроени LLM за финанси, здравеопазване и поддръжка на клиенти
- Казуси от индустриални приложения
- Етични съображения в специфични за домейна AI модели
Обобщение и следващи стъпки
Изисквания
- Опит с рамки за машинно обучение и дълбоко обучение
- Познаване на трансформаторите и големите езикови модели (LLM)
- Разбиране на предварителната обработка на данни и техниките за обучение на модели
Публика
- Изследователи на AI изследват фината настройка на LLM
- Инженери по машинно обучение, разработващи персонализирани AI модели
- Напреднали разработчици, внедряващи решения, управлявани от AI
21 Часа
