آموزش LLM های خود را دقیق تنظیم کنید

Fine-Tune Your LLMs

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره، کشا ویلیامز، مبتکر فناوری برنده جایزه و رهبر AI/ML شما را از طریق چندین مفهوم و تکنیک راهنمایی می کند که می توانید از آنها برای تنظیم دقیق LLM با استفاده از داده های خود استفاده کنید. مفاهیم و هزینه های تنظیم دقیق را بررسی کنید و یاد بگیرید که چگونه محیط خود را برای آن تنظیم کنید. مراحل آماده سازی داده های خود را طی کنید و یک LLM از پیش آموزش دیده را تنظیم کنید. به علاوه، ارزیابی و تکرار یک مدل دقیق تنظیم شده را تمرین کنید. چالش های عملی و عملی در هر فصل به شما فرصتی می دهد تا درک خود را از موضوعات عمیق تر کنید.

سرفصل ها و درس ها

معرفی Introduction

  • مقدمه ای بر تنظیم دقیق LLM Introduction to fine-tuning LLMs

  • پروژه تنظیم دقیق را بررسی کنید Review the fine-tuning project

1. بررسی مفاهیم و هزینه های تنظیم دقیق 1. Exploring Concepts and Costs of Fine-Tuning

  • هزینه های تنظیم دقیق را درک کنید Understand the costs of fine-tuning

  • LLM ها را کاوش کنید Explore LLMs

  • فرآیند تنظیم دقیق را مرور کنید Review the fine-tuning process

2. تنظیم محیط خود برای تنظیم دقیق 2. Setting up Your Environment for Fine-Tuning

  • برای یک حساب OpenAI ثبت نام کنید Sign up for an OpenAI account

  • برای تنظیم دقیق، OpenAI API را کاوش کنید Explore the OpenAI API for fine-tuning

  • از فضاهای کد GitHub استفاده کنید Use GitHub codespaces

3. آماده سازی داده ها برای تنظیم دقیق 3. Preparing Data for Fine-Tuning

  • منبع داده برای تنظیم دقیق Source data for fine-tuning

  • چالش: منبع داده برای تنظیم دقیق Challenge: Source data for fine-tuning

  • راه حل: منبع داده برای تنظیم دقیق Solution: Source data for fine-tuning

  • چالش: داده ها را برای تنظیم دقیق آماده و آپلود کنید Challenge: Prepare and upload data for fine-tuning

  • راه حل: داده ها را برای تنظیم دقیق آماده و آپلود کنید Solution: Prepare and upload data for fine-tuning

  • داده ها را برای تنظیم دقیق آماده کنید Prepare data for fine-tuning

4. تنظیم دقیق یک LLM از پیش آموزش دیده 4. Fine-Tuning a Pretrained LLM

  • یک مدل با تنظیم دقیق را بازیابی و استفاده کنید Retrieve and use a fine-tuned model

  • راه حل: یک LLM از پیش آموزش دیده را تنظیم دقیق کنید Solution: Fine-tune a pretrained LLM

  • یک مدل جدید با تنظیم دقیق آموزش دهید Train a new fine-tuned model

  • چالش: یک LLM از پیش آموزش دیده را به دقت تنظیم کنید Challenge: Fine-tune a pretrained LLM

  • چالش: یک ربات چت بر اساس یک مدل دقیق تنظیم کنید Challenge: Develop a chatbot based on a fine-tuned model

  • راه حل: یک ربات چت بر اساس یک مدل دقیق تنظیم کنید Solution: Develop a chatbot based on a fine-tuned model

5. ارزیابی یک مدل دقیق تنظیم شده 5. Evaluating a Fine-Tuned Model

  • چالش: یک مدل دقیق را ارزیابی کنید Challenge: Evaluate a fine-tuned model

  • راه حل: یک مدل تنظیم شده را ارزیابی کنید Solution: Evaluate a fine-tuned model

  • یک مدل با تنظیم دقیق را ارزیابی کنید Evaluate a fine-tuned model

  • یک مدل تنظیم شده را تکرار کنید Iterate a fine-tuned model

نتیجه Conclusion

  • سفر تنظیم دقیق شما Your fine-tuning journey

نمایش نظرات

آموزش LLM های خود را دقیق تنظیم کنید
جزییات دوره
1h 14m
25
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
2,119
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kesha Williams Kesha Williams

کشا ویلیامز یک مدیر مهندسی نرم افزار، مربی، سخنران، وبلاگ نویس فناوری، و مدافع STEM است.

کشا (تلفظ KEY-SHA) ویلیامز یک جایزه است. مهندس نرم افزار برنده با بیش از 20 سال تجربه متخصص در توسعه برنامه های کاربردی وب با استفاده از Java، Spring، Angular، و خدمات وب آمازون (AWS). او هزاران توسعه‌دهنده نرم‌افزار را در ایالات متحده، اروپا و آسیا آموزش داده و در حین تدریس جاوا در سطح دانشگاه، آموزش داده است. او کار خود را با آژانس امنیت ملی (NSA) آغاز کرد.

کشا اخیراً برنده جایزه آدا لاولیس در مهندسی کامپیوتر از LookFar و جایزه نوآوری متفاوت بیندیشید از Chick-fil-A برای کارش با فناوری‌های نوظهور شد. و هوش مصنوعی (AI). او اخیراً در کمپین آمازون "Alexa Women of Voice" و مجموعه #WePowerTech از A Cloud Guru حضور داشت. او در اوقات فراغت خود، اخبار جاوا را برای InfoQ می نویسد، بخش فناوری جورجیا را رهبری می کند، در کنفرانس های فنی در سراسر جهان سخنرانی می کند، به عنوان مربی با آکادمی علوم نیویورک خدمت می کند، و کارگاه های رایگان «ساعت کد» را برای کودکان برگزار می کند. در کتابخانه محلی او.