Návrh Školení

Úvod do přesnějšího nastavení modelů DeepSeek LLM

  • Přehled o modelech DeepSeek, například DeepSeek-R1 a DeepSeek-V3
  • Pochopení potřeby přesnějšího nastavení LLMů
  • Porovnání přesného nastavení s inženýrstvím promptů

Příprava datasetu pro přesné nastavení

  • Kurátorství doménově specifických datových sad
  • Techniky předzpracování a čištění dat
  • Tokenizace a formátování datasetu pro DeepSeek LLM

Nastavení prostředí pro přesné nastavení

  • Konfigurace zrychlení GPU a TPU
  • Nastavení Hugging Face Transformers s DeepSeek LLM
  • Pochopení hyperparametrů pro přesné nastavení

Přesné nastavení modelu DeepSeek LLM

  • Implementace nadzorovaného přesného nastavení
  • Použití LoRA (Low-Rank Adaptation) a PEFT (Parameter-Efficient Fine-Tuning)
  • Provádění distribuovaného přesného nastavení pro velké datové sady

Evaluační testy a optimalizace přesně upravených modelů

  • Hodnocení výkonu modelu pomocí hodnotících metrik
  • Řešení problémů s overfittingem a underfittingem
  • Optimalizace rychlosti inferencí a efektivnosti modelu

Nasazení přesně upravených DeepSeek modelů

  • Zabalování modelů pro nasazení API
  • Integrace přesně upravených modelů do aplikací
  • Škálování nasazení s využitím cloudové a hranicové výpočetní technologie

Skutečné případové studie a aplikace

  • Přesně upravené LLM pro finance, zdravotnictví a podporu zákazníků
  • Případová studie o aplikacích v průmyslu
  • Etičtí aspekty doménově specifických AI modelů

Shrnutí a další kroky

Požadavky

  • Zkušenosti s rámci strojového a hlubokého učení
  • znalost transformátorů a velkých jazykových modelů (LLMs)
  • Rozumění předzpracování dat a technik trénování modelu

Cílová skupina

  • Výzkumníci v oblasti umělé inteligence zkoumající přizpůsobení LLM
  • Inženýři strojového učení, kteří vyvíjejí vlastní modely AI
  • Pokročilí vývojáři implementující řešení založená na umělé inteligenci
 21 hodiny

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie