Plan Szkolenia

Wprowadzenie do zaawansowanego dostosowywania modeli

  • Przegląd dostrajania i zarządzania promptami w Vertex AI
  • Przypadki użycia optymalizacji modeli
  • Praktyczne laboratorium: konfiguracja środowiska pracy w Vertex AI

Nadzorowane dostrajanie modeli Gemini

  • Przygotowanie danych treningowych do dostrajania
  • Uruchamianie potoków nadzorowanego dostrajania
  • Praktyczne laboratorium: dostrajanie modelu Gemini

Inżynieria promptów i zarządzanie wersjami

  • Projektowanie skutecznych promptów dla generatywnej AI
  • Kontrola wersji i powtarzalność
  • Praktyczne laboratorium: tworzenie i testowanie wersji promptów

Ocena i porównywanie

  • Przegląd bibliotek oceny w Vertex AI
  • Automatyzacja procesów testowania i walidacji
  • Praktyczne laboratorium: ocena promptów i wyników

Wdrażanie i monitorowanie modeli

  • Integracja zoptymalizowanych modeli z aplikacjami
  • Monitorowanie wydajności i wykrywanie dryfu
  • Praktyczne laboratorium: wdrażanie dostrojonego modelu

Najlepsze praktyki w optymalizacji AI dla przedsiębiorstw

  • Skalowalność i zarządzanie kosztami
  • Kwestie etyczne i łagodzenie uprzedzeń
  • Studium przypadku: poprawa aplikacji AI w produkcji

Kierunki rozwoju w dostrajaniu i zarządzaniu promptami

  • Nowe trendy w optymalizacji LLM
  • Automatyczna adaptacja promptów i uczenie ze wzmocnieniem
  • Strategiczne implikacje dla wdrożeń przedsiębiorstw

Podsumowanie i kolejne kroki

Wymagania

  • Doświadczenie w pracy z przepływami pracy uczenia maszynowego
  • Znajomość programowania w Pythonie
  • Znajomość platform AI opartych na chmurze

Grupa docelowa

  • Inżynierowie AI
  • Praktycy MLOps
  • Naukowcy danych
 14 godzin

Liczba uczestników


Cena za uczestnika

Opinie uczestników (1)

Propozycje terminów

Powiązane Kategorie