Course Outline

Εισαγωγή στο Fine-Tuning

  • Τι είναι η τελειοποίηση;
  • Περιπτώσεις χρήσης και πλεονεκτήματα της μικρορύθμισης
  • Επισκόπηση προεκπαιδευμένων μοντέλων και μεταφορά μάθησης

Προετοιμασία για το Fine-Tuning

  • Συλλογή και καθαρισμός συνόλων δεδομένων
  • Κατανόηση των απαιτήσεων δεδομένων για συγκεκριμένες εργασίες
  • Διερευνητική ανάλυση και προεπεξεργασία δεδομένων

Τεχνικές Fine-Tuning

  • Εκμάθηση μεταφοράς και εξαγωγή χαρακτηριστικών
  • Μετασχηματιστές μικρορύθμισης με Hugging Face
  • Βελτιστοποίηση για εποπτευόμενες και μη εποπτευόμενες εργασίες

Βελτιστοποίηση Large Language Models (LLMs)

  • Προσαρμογή LLM για εργασίες NLP (π.χ. ταξινόμηση κειμένου, περίληψη)
  • Εκπαίδευση LLM με προσαρμοσμένα σύνολα δεδομένων
  • Έλεγχος της συμπεριφοράς LLM με άμεση μηχανική

Βελτιστοποίηση και Αξιολόγηση

  • Συντονισμός υπερπαραμέτρων
  • Αξιολόγηση της απόδοσης του μοντέλου
  • Αντιμετώπιση υπερπροσαρμογής και υποπροσαρμογής

Προσπάθειες προσαρμογής κλιμάκωσης

  • Βελτιστοποίηση σε κατανεμημένα συστήματα
  • Αξιοποίηση λύσεων που βασίζονται σε σύννεφο για επεκτασιμότητα
  • Μελέτες περίπτωσης: Μεγάλης κλίμακας έργα μικρορύθμισης

Βέλτιστες πρακτικές και προκλήσεις

  • Βέλτιστες πρακτικές για επιτυχία λεπτομέρειας
  • Κοινές προκλήσεις και αντιμετώπιση προβλημάτων
  • Δεοντολογικά ζητήματα σε μοντέλα τεχνητής νοημοσύνης με ακρίβεια

Σύνθετα θέματα (Προαιρετικά)

  • Βελτιωμένη ρύθμιση πολυτροπικών μοντέλων
  • Εκμάθηση μηδενικών και λίγων βολών
  • Διερεύνηση τεχνικών LoRA (Προσαρμογή χαμηλής κατάταξης).

Περίληψη και Επόμενα Βήματα

Requirements

  • Κατανόηση των βασικών αρχών της μηχανικής μάθησης
  • Εμπειρία στον προγραμματισμό Python
  • Εξοικείωση με προεκπαιδευμένα μοντέλα και τις εφαρμογές τους

Ακροατήριο

  • Επιστήμονες δεδομένων
  • Μηχανικοί μηχανικής εκμάθησης
  • Ερευνητές AI
 14 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories