Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wprowadzenie do dostrajania DeepSeek LLM
- Przegląd modeli DeepSeek, np. DeepSeek-R1 i DeepSeek-V3
- Zrozumienie potrzeby dostrajania LLM
- Porównanie dostrajania z inżynierią promptów
Przygotowanie zbioru danych do dostrajania
- Tworzenie zbiorów danych specyficznych dla danej dziedziny
- Techniki przetwarzania i czyszczenia danych
- Tokenizacja i formatowanie zbioru danych dla DeepSeek LLM
Konfiguracja środowiska dostrajania
- Konfiguracja przyspieszenia GPU i TPU
- Konfiguracja Hugging Face Transformers z DeepSeek LLM
- Zrozumienie hiperparametrów dostrajania
Dostrajanie DeepSeek LLM
- Implementacja dostrajania nadzorowanego
- Wykorzystanie LoRA (Low-Rank Adaptation) i PEFT (Parameter-Efficient Fine-Tuning)
- Przeprowadzanie dostrajania rozproszonego dla dużych zbiorów danych
Ocena i optymalizacja dostrojonych modeli
- Ocena wydajności modelu za pomocą metryk ewaluacyjnych
- Zarządzanie overfittingiem i underfittingiem
- Optymalizacja prędkości wnioskowania i efektywności modelu
Wdrażanie dostrojonych modeli DeepSeek
- Pakowanie modeli do wdrożenia za pomocą API
- Integracja dostrojonych modeli z aplikacjami
- Skalowanie wdrożeń z wykorzystaniem chmury i edge computing
Praktyczne przypadki użycia i aplikacje
- Dostrojone LLM dla finansów, opieki zdrowotnej i obsługi klienta
- Studia przypadków zastosowań w branży
- Etyczne aspekty modeli AI specyficznych dla danej dziedziny
Podsumowanie i kolejne kroki
Wymagania
- Doświadczenie w zakresie uczenia maszynowego i frameworków deep learning
- Znajomość transformerów i dużych modeli językowych (LLM)
- Zrozumienie technik przetwarzania danych i trenowania modeli
Grupa docelowa
- Badacze AI zajmujący się dostrajaniem LLM
- Inżynierowie uczenia maszynowego rozwijający niestandardowe modele AI
- Zaawansowani programiści implementujący rozwiązania oparte na AI
21 godzin