Návrh Školení

Úvod do pokročilého modelového přizpůsobení

  • Přehled jemného ladění a správy výzev ve Vertex AI
  • Použití optimalizace modelu
  • Praktické cvičení: nastavení pracovního prostoru Vertex AI

Supervizované jemné ladění modelů Gemini

  • Příprava tréninkových dat pro jemné ladění
  • Spuštění supervizovaných pipeline pro jemné ladění
  • Praktické cvičení: jemné ladění modelu Gemini

Inženýrství výzev a správa verzí

  • Návrh efektivních výzev pro generativní AI
  • Správa verzí a reprodukovatelnost
  • Praktické cvičení: vytváření a testování verzí výzev

Hodnocení a benchmarking

  • Přehled hodnotících knihoven ve Vertex AI
  • Automatizace testovacích a validačních pracovních postupů
  • Praktické cvičení: hodnocení výzev a výstupů

Nasazení a monitorování modelu

  • Integrace optimalizovaných modelů do aplikací
  • Monitorování výkonnosti a detekce driftu
  • Praktické cvičení: nasazení jemně laděného modelu

Osvědčené postupy pro optimalizaci AI v podniku

  • Škálovatelnost a správa nákladů
  • Ethické aspekty a odstranění biasu
  • Případová studie: zlepšení AI aplikací v produkčním prostředí

Budoucí směry jemného ladění a správy výzev

  • Vznikající trendy v optimalizaci LLM
  • Automatizovaná adaptace výzev a posilovací učení
  • Strategické důsledky pro přijetí v podniku

Závěr a další kroky

Požadavky

  • Zkušenosti s pracovními postupy strojového učení
  • Znalost programování v Pythonu
  • Oznámení se cloudovými AI platformami

Cílová skupina

  • Inženýři AI
  • Praktikanti MLops
  • Data scientists
 14 hodiny

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie