لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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.
نمایش نظرات