Курс за обучение по Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems
Fine-Tuning за системи с усилена генерация (RAG) е процесът за оптимизиране на това как големите езикови модели извличат и генерират релевантна информация от външни източници за корпоративни приложения.
Този курс с инструктор, воден на живо (онлайн или на място), е направен за инженери на естествен език на средно ниво и екипи за управление на знания, които искат да подреждат RAG-пиплайни за подобряване на производителността при отговор на въпроси, търсене в корпоративни приложения и сумиране на случаи.
До края на този курс участниците ще могат да:
- Разберат архитектурата и работите на системите RAG.
- Подреждат компонентите за извличане и генериране за данни, специфични за домейна.
- Оценяват производителността на RAG и прилагат подобрения чрез техники за PEFT.
- Разработват оптимизирани системи RAG за вътрешно или продуктивно използване.
Формат на курса
- Интерактивни лекции и дискусии.
- Много упражнения и практика.
- Ръчно изпълнение в среда на живо лабораторно обучение.
Опции за персонализация на курса
- За да поискате персонализиран обучение за този курс, моля свържете се с нас за уреждане.
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 Retrieval-Augmented Generation (RAG)
- Какво е RAG и защо е важно за корпоративния ИА
- Компоненти на системата RAG: ретривър, генератор, хранилище на документи
- Сравнение с самостоятелни LLM и векторно търсене
- Инсталиране и настройка на Haystack или подобни рамки
- Внасяне и преобразуване на документи
- Свързване на ретриъври с векторни бази данни (например, FAISS, Pinecone)
- Обучение на гъсти ретриъври с данни специфични за областта
- Използване на трансформери на изречения и контрастно обучение
- Оценка на качеството на ретриъра с точност top-k
- Избор на базови модели (например, BART, T5, FLAN-T5)
- Инструкционно нагласяване срещу надзорно тонко настройване
- Методи LoRA и PEFT за ефективни обновления
- Метрики за оценка на производителността на RAG (например, BLEU, EM, F1)
- Задържане, качество на ретрив и намаляване на халюцинации
- Следване на експериментите и итеративно подобрение
- Разработка на RAG в вътрешни търсачки и чатботи
- Разглеждане на сигурност, достъп до данни и управление
- Интеграция с API, таблици или портали за знания
- Корпоративни случаи за използване в финансовия, здравеопазвания и правния сектор
- Управление на промяна в областта и обновления на базата знания
- Бъдещи направления в системи за ретривал-авгументирани LLM
Изисквания
- Разбиране в концепции за обработка на естествен език (NLP)
- Опит с трансформерни модели за езици
- Знание на Python и базови процесове за машинно обучение
Целева аудитория
- Инженери за обработка на естествен език
- Екипи за управление на знания
14 Часа
Отворените курсове за обучение изискват 5+ участници.
Курс за обучение по Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems - Booking
Курс за обучение по Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems - Enquiry
Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems - Консултантско запитване
Консултантско запитване
Предстоящи Курсове
Свързани Kурсове
Advanced Techniques in Transfer Learning
14 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти в машинното обучение на напреднало ниво, които желаят да овладеят авангардни техники за трансфер на обучение и да ги прилагат към сложни проблеми от реалния свят.
До края на това обучение участниците ще могат:
- Разберете съвременни концепции и методологии в трансферното обучение.
- Прилагане на специфични за домейн техники за адаптация за предварително обучени модели.
- Прилагайте непрекъснато обучение, за да управлявате развиващи се задачи и набори от данни.
- Овладейте многозадачната фина настройка, за да подобрите производителността на модела в различните задачи.
Read more...
Deploying Fine-Tuned Models in Production
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти на напреднало ниво, които желаят да разположат фино настроени модели надеждно и ефективно.
До края на това обучение участниците ще могат:
- Разберете предизвикателствата на внедряването на фино настроени модели в производството.
- Контейнеризирайте и разгръщайте модели с помощта на инструменти като Docker и Kubernetes.
- Внедрете наблюдение и регистриране за внедрени модели.
- Оптимизирайте модели за латентност и мащабируемост в сценарии от реалния свят.
Read more...
Domain-Specific Fine-Tuning for Finance
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти на средно ниво, които искат да придобият практически умения за персонализиране на AI модели за критични финансови задачи.
До края на това обучение участниците ще могат:
- Разберете основите на фината настройка за финансови приложения.
- Използвайте предварително обучени модели за специфични за домейна задачи във финансите.
- Прилагайте техники за откриване на измами, оценка на риска и генериране на финансови съвети.
- Осигурете съответствие с финансовите разпоредби като GDPR и SOX.
- Внедряване на сигурност на данните и етични AI практики във финансови приложения.
Read more...
Fine-Tuning Models and Large Language Models (LLMs)
14 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти от средно до напреднало ниво, които желаят да персонализират предварително обучени модели за конкретни задачи и набори от данни.
До края на това обучение участниците ще могат:
- Разберете принципите на фината настройка и нейните приложения.
- Подгответе набори от данни за фина настройка на предварително обучени модели.
- Фина настройка на големи езикови модели (LLM) за NLP задачи.
- Оптимизирайте производителността на модела и адресирайте общи предизвикателства.
Read more...
Efficient Fine-Tuning with Low-Rank Adaptation (LoRA)
14 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици на средно ниво и практикуващи AI, които желаят да приложат стратегии за фина настройка за големи модели без необходимост от обширни изчислителни ресурси.
До края на това обучение участниците ще могат:
- Разберете принципите на адаптация от нисък ранг (LoRA).
- Внедрете LoRA за ефективна фина настройка на големи модели.
- Оптимизирайте фината настройка за среди с ограничени ресурси.
- Оценявайте и внедрявайте настроени според LoRA модели за практически приложения.
Read more...
Fine-Tuning Multimodal Models
28 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти на напреднало ниво, които желаят да овладеят фината настройка на мултимодален модел за иновативни AI решения.
До края на това обучение участниците ще могат:
- Разберете архитектурата на мултимодални модели като CLIP и Flamingo.
- Подгответе и предварителна обработка на мултимодални набори от данни ефективно.
- Настройте фино мултимодалните модели за конкретни задачи.
- Оптимизирайте модели за реални приложения и производителност.
Read more...
Fine-Tuning for Natural Language Processing (NLP)
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти на средно ниво, които желаят да подобрят своите НЛП проекти чрез ефективна фина настройка на предварително обучени езикови модели.
До края на това обучение участниците ще могат:
- Разберете основите на фината настройка за NLP задачи.
- Фина настройка на предварително обучени модели като GPT, BERT и T5 за специфични NLP приложения.
- Оптимизирайте хиперпараметрите за подобрена производителност на модела.
- Оценявайте и внедрявайте фино настроени модели в сценарии от реалния свят.
Read more...
Fine-Tuning DeepSeek LLM for Custom AI Models
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към напреднали изследователи на AI, инженери по машинно обучение и разработчици, които желаят да настроят фино DeepSeek LLM модели, за да създадат специализирани AI приложения, пригодени за конкретни индустрии, области или бизнес нужди.
До края на това обучение участниците ще могат:
- Разберете архитектурата и възможностите на моделите DeepSeek, включително DeepSeek-R1 и DeepSeek-V3.
- Подгответе набори от данни и предварителна обработка на данни за фина настройка.
- Фина настройка DeepSeek LLM за приложения, специфични за домейн.
- Оптимизирайте и внедрявайте ефективно фино настроени модели.
Read more...
Fine-Tuning Large Language Models Using QLoRA
14 ЧасаТова обучение с инструктор, което се провежда на живо България (онлайн или на място), е предназначено за инженерi на машинен обучение, разработчици на ИИ и ученi данни с междуен и напреднал ниво, които искат да научат как да използват QLoRA за ефективното микронастройване на големи модели за специфични задачи и персонализирани приложения.
До края на това обучение участниците ще могат да:
- Разберат теорията зад QLoRA и техниките за квантовация за големи модели на езика.
- Имплементират QLoRA в микронастройването на големи модели на езика за приложения, специфични за домейна.
- Оптимизират микронастройването на производителността на ограничени компютърни ресурси с квантовация.
- Разработват и оценяват микронастройвани модели в реални приложения ефективно.
Read more...
Fine-Tuning Open-Source LLMs (LLaMA, Mistral, Qwen, etc.)
14 ЧасаТова обучение с инструктор, провеждано на живо в България (онлайн или на място), е предназначено за практикуващи на средно ниво в областта на машинното обучение и разработчици на изкуствен интелигент, които искат да настройват и разпространяват модели с отворени тежести като LLaMA, Mistral и Qwen за специфични бизнес или вътрешни приложения.
До края на това обучение участниците ще бъдат в състояние да:
- Разбират екосистемата и различията между отворен код LLMs.
- Подготовят данни и настройки за настройване на модели като LLaMA, Mistral и Qwen.
- Изпълняват процеси за настройване, използвайки Hugging Face Transformers и PEFT.
- Оценяват, запазват и разпространяват настройвани модели в сигурни среди.
Read more...
Fine-Tuning with Reinforcement Learning from Human Feedback (RLHF)
14 ЧасаТова обучение с инструктор, провеждано на живо в България (онлайн или на място), е предназначено за машинни учени инженери и изследователи на изкуствен интелект на напреднал нив, които искат да приложат RLHF за настройване на големи модели на изкуствен интелект за по-добър резултат, сигурност и съответствие.
До края на това обучение участниците ще могат да:
- Разбират теоретичните основи на RLHF и защо то е необходимо в съвременното развитие на изкуствен интелект.
- Реализират модели на награди на базата на човешка обратна връзка, за да насочат процесите на подкрепящо обучение.
- Настройват големи модели на естествен език с помощта на техники на RLHF, за да съобразят изходите с човешки предпочитания.
- Прилагат най-добрите практики за масштабиране на RLHF процеси за AI системи на производствен стандарт.
Read more...
Fine-Tuning Vision-Language Models (VLMs)
14 ЧасаТова обучение, водено от инструктор, в България (онлайн или на място) е насочено към напреднали компютърни визионисти и разработчици на изкуствен интелигент, които искат да оптимизират модели на вид-екзистенция, като CLIP и Flamingo, за да подобрят производителността на специфични за отрасля задачи с визуално-тестова задача.
До края на това обучение участниците ще бъдат способни да:
- Разберат архитектурата и методите на предобучение на модели на вид-екзистенция.
- Оптимизират модели на вид-екзистенция за класификация, извличане, описване или многомодален QA.
- Подготвят датасети и приложат стратегии за PEFT, за да намалят използването на ресурси.
- Оценяват и разпространяват оптимизирани модели на вид-екзистенция в производствени среди.
Read more...
Optimizing Large Models for Cost-Effective Fine-Tuning
21 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти на напреднало ниво, които желаят да овладеят техники за оптимизиране на големи модели за рентабилна фина настройка в сценарии от реалния свят.
До края на това обучение участниците ще могат:
- Разберете предизвикателствата на фината настройка на големи модели.
- Прилагайте техники за разпределено обучение към големи модели.
- Използвайте квантуването и съкращаването на модела за ефективност.
- Оптимизирайте използването на хардуера за задачи за фина настройка.
- Внедрете ефективно фино настроени модели в производствени среди.
Read more...
Prompt Engineering and Few-Shot Fine-Tuning
14 ЧасаТова водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти на средно ниво, които желаят да се възползват от силата на бързото инженерство и краткото обучение, за да оптимизират работата на LLM за приложения в реалния свят.
До края на това обучение участниците ще могат:
- Разберете принципите на бързото инженерство и обучението с няколко изстрела.
- Проектирайте ефективни подкани за различни NLP задачи.
- Използвайте техники за няколко изстрела, за да адаптирате LLM с минимални данни.
- Оптимизирайте производителността на LLM за практически приложения.
Read more...
Parameter-Efficient Fine-Tuning (PEFT) Techniques for LLMs
14 ЧасаТози обучение с инструктор, провеждано живо (онлайн или на място) е предназначено за данни учени с среден ниво и инженери на изкуствен интелигент, които искат да оптимизират големи езикови модели по-ефективно и по-евтино, използвайки методи като LoRA, Adapter Tuning и Prefix Tuning.
До края на това обучение участниците ще бъдат в състояние да:
- Разбират теорията зад подходите за ефективна оптимизация на параметри.
- Имплементират LoRA, Adapter Tuning и Prefix Tuning използвайки Hugging Face PEFT.
- Сравняват производителността и компромисите в цена между методите PEFT и пълната оптимизация.
- Разпространяват и масовират оптимизирани LLMs с намалени изисквания за изчислителни мощности и памет.
Read more...
