Course Outline

Εισαγωγή στο DeepSeek LLM Fine-Tuning

  • Επισκόπηση DeepSeek μοντέλων, π.χ. DeepSeek-R1 και DeepSeek-V3
  • Κατανόηση της ανάγκης για τελειοποίηση των LLMs
  • Σύγκριση μικρορύθμισης έναντι άμεσης μηχανικής

Προετοιμασία του συνόλου δεδομένων για το Fine-Tuning

  • Επιμέλεια συνόλων δεδομένων για συγκεκριμένο τομέα
  • Τεχνικές προεπεξεργασίας και καθαρισμού δεδομένων
  • Tokenization και μορφοποίηση δεδομένων για DeepSeek LLM

Ρύθμιση του περιβάλλοντος Fine-Tuning

  • Διαμόρφωση GPU και επιτάχυνση TPU
  • Ρύθμιση Hugging Face Transformers με DeepSeek LLM
  • Κατανόηση υπερπαραμέτρων για τελειοποίηση

Fine-Tuning DeepSeek LLM

  • Εφαρμογή εποπτευόμενης μικρορύθμισης
  • Χρήση LoRA (Προσαρμογή χαμηλής κατάταξης) και PEFT (Παράμετρος-Αποτελεσματικός Fine-Tuning)
  • Εκτέλεση κατανεμημένης μικρορύθμισης για σύνολα δεδομένων μεγάλης κλίμακας

Αξιολόγηση και βελτιστοποίηση βελτιστοποιημένων μοντέλων

  • Αξιολόγηση της απόδοσης του μοντέλου με μετρήσεις αξιολόγησης
  • Χειρισμός υπερπροσαρμογής και υποσυναρμολόγησης
  • Βελτιστοποίηση της ταχύτητας συμπερασμάτων και της απόδοσης του μοντέλου

Ανάπτυξη μοντέλων Fine-Tuned DeepSeek

  • Μοντέλα συσκευασίας για ανάπτυξη API
  • Ενσωμάτωση βελτιστοποιημένων μοντέλων σε εφαρμογές
  • Κλιμάκωση αναπτύξεων με υπολογιστικό νέφος και ακμή

Real-World Use Cases and Applications

  • Βελτιωμένα LLM για χρηματοδότηση, υγειονομική περίθαλψη και υποστήριξη πελατών
  • Μελέτες περίπτωσης βιομηχανικών εφαρμογών
  • Δεοντολογικά ζητήματα σε μοντέλα τεχνητής νοημοσύνης για συγκεκριμένο τομέα

Περίληψη και Επόμενα Βήματα

Requirements

  • Εμπειρία με τη μηχανική μάθηση και τα πλαίσια βαθιάς μάθησης
  • Εξοικείωση με μετασχηματιστές και μεγάλα γλωσσικά μοντέλα (LLM)
  • Κατανόηση τεχνικών προεπεξεργασίας δεδομένων και εκπαίδευσης μοντέλων

Ακροατήριο

  • Ερευνητές τεχνητής νοημοσύνης που εξερευνούν τη βελτίωση του LLM
  • Μηχανικοί μηχανικής εκμάθησης που αναπτύσσουν προσαρμοσμένα μοντέλα AI
  • Προηγμένοι προγραμματιστές που εφαρμόζουν λύσεις που βασίζονται σε AI
 21 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories