لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تخصصی فاینتونیگ (Fine-Tuning) و شخصیسازی مدلهای زبانی بزرگ (LLM)
- آخرین آپدیت
دانلود LLM Fine-Tuning and Customization Training
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دوره جامع فاینتونیگ LLM شما را با مهارتهای لازم برای بهینهسازی و استقرار مدلهای زبانی بزرگ تخصصی برای کاربردهای پیشرفته هوش مصنوعی مولد (Generative AI) آشنا میکند. در این دوره ابتدا با مفاهیم بنیادی آغاز میکنیم؛ یادگیری فاینتونیگ نظارتشده (Supervised Fine-Tuning)، روشهای بهینه در مصرف پارامتر (PEFT) و یادگیری تقویتشده با بازخورد انسانی (RLHF). سپس در آمادهسازی دادهها، تنظیم هایپرپارامترها و استراتژیهای کلیدی ارزیابی تسلط خواهید یافت. در ادامه، پیادهسازی با استفاده از فریمورکها و کتابخانههای LLM را بررسی کرده و بهترین روشها برای انتخاب مدل، نظارت بر سوگیری (Bias) و کنترل بیشبرازش (Overfitting) را به کار میگیرید. در نهایت، با پروژههای عملی، مدل Falcon-7B را فاینتونیگ کرده و یک اپلیکیشن تولید تصویر با استفاده از LangChain و OpenAI DALL·E میسازید.
پیشنیازهای این دوره شامل تسلط بر زبان برنامهنویسی پایتون، مفاهیم بنیادی یادگیری عمیق (Deep Learning) و آشنایی قبلی با مدلهای زبانی بزرگ است.
در پایان این دوره شما قادر خواهید بود:
- مدلهای LLM را با استفاده از روشهای PEFT، RLHF و متدهای نظارتشده فاینتونیگ کنید
- مجموعهدادهها را آماده کرده و هایپرپارامترها را برای تنظیم مدل بهینه کنید
- مدلهای فاینتونیگ شده را با استفاده از فریمورکهای GenAI ارزیابی و مستقر کنید
- مفاهیم تنظیم مدل را در کاربردهای واقعی مانند Falcon-7B و اپلیکیشنهای DALL·E پیادهسازی کنید
این دوره برای توسعهدهندگان هوش مصنوعی، مهندسان یادگیری ماشین (ML) و پژوهشگران GenAI ایدهآل است.
سرفصل ها و درس ها
مبانی فاینتونیگ مدلهای زبانی بزرگ
Foundations of LLM Fine-Tuning
اهداف یادگیری
Learning objectives
مبانی فاینتونیگ LLM
Basics of LLM Fine-Tuning
اصول بنیادین فاینتونیگ در LLM
Fundamentals of Fine-Tuning of LLM
آمادهسازی دادهها برای تنظیم LLM
Data Preparation for LLM Tuning
دمو: آمادهسازی دادهها برای فاینتونیگ
Demo: Data Preparation for Fine-Tuning
روشهای مختلف فاینتونیگ
Various Methods of Fine-Tuning
فاینتونیگ نظارتشده (SFT)
Supervised Fine-Tuning
فاینتونیگ بهینه در پارامتر (PEFT)
Parameter-Efficient Fine-Tuning (PEFT)
متدهای فاینتونیگ بهینه در پارامتر (PEFT)
Parameter-Efficient Fine-Tuning (PEFT) Methods
یادگیری تقویتشده با بازخورد انسانی (RLHF)
Reinforcement Learning with Human Feedback (RLHF)
مثالها و کاربردهای RLHF
RLHF: Examples and Applications
تنظیم هایپرپارامترها در فاینتونیگ
Hyperparameter Tuning in Fine-Tuning
بهینهسازی هایپرپارامترها
Hyperparameter Tuning
ارزیابی، پیادهسازی و بهترین روشها
Evaluation, Implementation, and Best Practices
بهینهسازی و ارزیابی مدلهای فاینتونیگ شده
Optimizing and Evaluating Fine-Tuned Models
فاینتونیگ و بهینهسازی هایپرپارامترها
Fine-Tuning and Hyperparameter Optimization
فاینتونیگ مدلهای زبانی بزرگ
Fine-Tuning Large Language Models
نمایش نظرات