Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems Počítačový Kurz
Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems je proces optimalizace, jak velké jazykové modely získávají a generují relevantní informace z externích zdrojů pro podnikové aplikace.
Toto vedení instruktorem živé školení (online nebo na místě) je určeno středně pokročilým inženýrům NLP a týmům pro správu znalostí, kteří chtějí optimalizovat RAG potrubí pro lepší výkon při odpovědích na otázky, podnikovém vyhledávání a shrnování.
Na konci tohoto školení budou účastníci schopni:
- Pochopit architekturu a pracovní postup RAG systémů.
- Fine-tuning komponentů pro získávání a generování dat specifických pro doménu.
- Hodnotit výkon RAG a aplikovat zlepšení pomocí technik PEFT.
- Nasazovat optimalizované RAG systémy pro interní nebo produkční použití.
Formát kurzu
- Interaktivní přednáška a diskuse.
- Mnoho cvičení a praxe.
- Praktické implementace v živém laboratorním prostředí.
Možnosti přizpůsobení kurzu
- Pro požadavek na přizpůsobené školení pro tento kurz nás prosím kontaktujte k uspořádání.
Návrh Školení
Úvod do generování podporovaného získáváním (RAG)
- Co je RAG a proč je důležité pro AI v podnicích
- Součásti systému RAG: získávač, generátor, úložiště dokumentů
- Porovnání s samostatnými LLM a vektorovým vyhledáváním
Nastavení RAG pipeline
- Instalace a konfigurace Haystack nebo podobných frameworků
- Ingesting dokumenty a předzpracování
- Připojení získávačů k vektorovým databázím (např. FAISS, Pinecone)
Fine-tuning získávače
- Trenování hustých získávačů pomocí dat specifických pro doménu
- Použití sentence transformers a contrastive learning
- Hodnocení kvality získávače pomocí top-k přesnosti
Fine-tuning generátora
- Výběr základních modelů (např. BART, T5, FLAN-T5)
- Instruction tuning vs. nadzorované fine-tuning
- LoRA a PEFT metody pro efektivní aktualizace
Hodnocení a optimalizace
- Metry pro hodnocení výkonu RAG (např. BLEU, EM, F1)
- Latence, kvalita získávání a snížení halucinací
- Sledování experimentů a iterativní zlepšování
Nasazení a integrace do reálného světa
- Nasazení RAG v interních vyhledávačích a chatbotech
- Zvažování bezpečnosti, přístupu k datům a řízení
- Integrace s API, dashboardy nebo portály znalostí
Studie případů a osvědčené postupy
- Použití v podnicích v oblasti financí, zdravotnictví a právnictví
- Správa doménového odchodu a aktualizací znalostní databáze
- Budoucí směry ve vyhledávací augmentaci LLM systémů
Závěr a další kroky
Požadavky
- Pochopení konceptů přirozeného jazykového zpracování (NLP)
- Zkušenosti s transformačními jazykovými modely
- Obratnost v Pythonu a základních pracovních postupech strojového učení
Cílová skupina
- Inženýři NLP
- Týmy pro správu znalostí
Veřejné školení vyžaduje minimálně 5 účastníků.
Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems Počítačový Kurz - Rezervace
Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems Počítačový Kurz - Dotaz
Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems - Dotaz ohledně konzultace
Nadcházející kurzy
Související kurzy
Rozšířené jemné ladění a správa výzv v Vertex AI
14 HodinyVertex AI poskytuje pokročilé nástroje pro jemné nastavení velkých modelů a správu výzev, čímž umožňuje vývojářům a týmům s daty optimalizovat přesnost modelu, zjednodušit iterativní pracovní postupy a zajistit rigorní hodnocení pomocí vestavěných knihoven a služeb.
Tato instruktorem vedená živá školení (online nebo na místě) je určena průměrným a pokročilým praktikům, kteří se chtějí vylepšit výkon a spolehlivost generativních AI aplikací pomocí dozorového jemného nastavení, správy verzí výzev a hodnocových služeb v Vertex AI.
Konec tohoto školení budou účastníci schopni:
- Použít techniky dozorového jemného nastavení pro modely Gemini v Vertex AI.
- Implementovat pracovní postupy správy výzev, včetně verzování a testování.
- Využít hodnotící knihovny k mereni a optimalizaci výkonu AI.
- Nasadit a monitorovat zlepšené modely ve produkčních prostředích.
Formát kurzu
- Interaktivní přednáška a diskuse.
- Praktické laboratoře s nástroji pro jemné nastavení a výzvy v Vertex AI.
- Případy optimalizace modelů na podnikové úrovni.
Možnosti přizpůsobení kurzu
- Pro požadavek na přizpůsobené školení pro tento kurz, prosím nás kontaktujte k zajištění.
Pokročilé Techniky Transfer Learning
14 HodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na pokročilé odborníky na strojové učení, kteří si přejí osvojit si nejmodernější techniky učení s přenosem a aplikovat je na složité problémy reálného světa.
Na konci tohoto školení budou účastníci schopni:
- Pochopte pokročilé koncepty a metodiky v transferovém učení.
- Implementujte doménově specifické adaptační techniky pro předem trénované modely.
- Aplikujte neustálé učení ke správě vyvíjejících se úloh a datových sad.
- Ovládněte jemné ladění více úkolů pro zvýšení výkonu modelu napříč úkoly.
Continual Learning a Strategie Aktualizace Vytřízených Modelů
14 HodinyTato vedená školení představitele v České republice (online nebo na místě) je určena pokročilým odborníkům na údržbu AI a MLOps, kteří chtějí implementovat robustní kanály kontinuálního učení a efektivní strategie aktualizací nasazených, jemně přizpůsobených modelů.
Koncem tohoto školení budou účastníci schopni:
- Návrh a implementace pracovních postupů kontinuálního učení pro nasazené modely.
- Zamezit katastrofickému zapomínání prostřednictvím správného tréninku a správy paměti.
- Automatizovat monitorování a spouštěcí aktivační mechanismy na základě odchylky modelu nebo změny dat.
- Vložit strategie aktualizace modelů do existujících kanálů CI/CD a MLOps.
Deployování Vylepšených Modelů do Produkčního Prostředí
21 HodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na pokročilé profesionály, kteří chtějí spolehlivě a efektivně nasazovat vyladěné modely.
Na konci tohoto školení budou účastníci schopni:
- Pochopte výzvy nasazení vyladěných modelů do výroby.
- Kontejnerujte a nasazujte modely pomocí nástrojů jako Docker a Kubernetes.
- Implementujte monitorování a protokolování pro nasazené modely.
- Optimalizujte modely pro latenci a škálovatelnost ve scénářích reálného světa.
Oblastní Specifické Dosazení pro Finanční Sektory
21 HodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé profesionály, kteří chtějí získat praktické dovednosti v přizpůsobování modelů umělé inteligence pro kritické finanční úkoly.
Na konci tohoto školení budou účastníci schopni:
- Pochopte základy jemného ladění finančních aplikací.
- Využijte předem připravené modely pro úkoly ve financích specifické pro určitou doménu.
- Aplikujte techniky pro odhalování podvodů, hodnocení rizik a generování finančního poradenství.
- Zajistěte soulad s finančními předpisy, jako je GDPR a SOX.
- Implementujte zabezpečení dat a etické postupy AI ve finančních aplikacích.
Finetuning Modelů a Velkých Jazykových Modelů (LLM)
14 HodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé až pokročilé profesionály, kteří chtějí přizpůsobit předem vyškolené modely pro konkrétní úkoly a datové sady.
Na konci tohoto školení budou účastníci schopni:
- Pochopit principy jemného ladění a jeho aplikace.
- Připravte datové sady pro jemné doladění předem trénovaných modelů.
- Vylaďte velké jazykové modely (LLM) pro úlohy NLP.
- Optimalizujte výkon modelu a řešte běžné problémy.
Efektivní Dosaďování s Nízorovou Adaptací (LoRA)
14 HodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé vývojáře a odborníky na umělou inteligenci, kteří chtějí implementovat strategie jemného ladění pro velké modely bez potřeby rozsáhlých výpočetních zdrojů.
Na konci tohoto školení budou účastníci schopni:
- Pochopte principy adaptace na nízké hodnocení (LoRA).
- Implementujte LoRA pro efektivní jemné doladění velkých modelů.
- Optimalizujte jemné ladění pro prostředí s omezenými zdroji.
- Vyhodnoťte a nasaďte modely vyladěné LoRA pro praktické aplikace.
Posouzení Multimodálních Modelů
28 HodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na pokročilé profesionály, kteří chtějí zvládnout dolaďování multimodálního modelu pro inovativní řešení AI.
Na konci tohoto školení budou účastníci schopni:
- Pochopte architekturu multimodálních modelů jako CLIP a Flamingo.
- Efektivně připravujte a předzpracujte multimodální datové sady.
- Vylaďte multimodální modely pro konkrétní úlohy.
- Optimalizujte modely pro aplikace a výkon v reálném světě.
Fine-Tuning pro Přirozený Jazykový Zpracování (NLP)
21 HodinyToto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé profesionály, kteří chtějí zlepšit své NLP projekty prostřednictvím efektivního dolaďování předem vyškolených jazykových modelů.
Na konci tohoto školení budou účastníci schopni:
- Pochopte základy jemného ladění úkolů NLP.
- Vylaďte předem připravené modely jako GPT, BERT a T5 pro konkrétní aplikace NLP.
- Optimalizujte hyperparametry pro lepší výkon modelu.
- Vyhodnoťte a nasaďte vyladěné modely ve scénářích reálného světa.
Upravení AI pro finanční služby: predikce rizik a detekce podvodu
14 HodinyTato instruktorem vedená živá školení v České republice (online nebo na místě) je určena pokročilým datovým vědcům a AI inženýrům v finančním sektoru, kteří chtějí upravit modely pro aplikace jako kreditní scoring, detekce podvodu a rizikové modelování pomocí doménových finančních dat.
Na konci tohoto školení budou účastníci schopni:
- Upravit AI modely na finančních datech pro lepší predikci podvodu a rizika.
- Aplikovat techniky jako přenosové učení, LoRA a regularizace k zlepšení efektivity modelů.
- Zahrnout finanční komplexity do pracovního postupu modelování AI.
- Nasadit upravené modely pro produkční použití v platformách finančních služeb.
Přizpůsobení AI pro zdravotnictví: lékařská diagnostika a prediktivní analýza
14 HodinyTato vedená instruktorem, živá školení (online nebo přítomně) je zaměřena na středně pokročilé a pokročilé lékařské AI vývojáře a datové analytiky, kteří se chtějí naučit přizpůsobovat modely pro klinickou diagnostiku, prognózu nemocí a predikci výsledků pacientů pomocí strukturovaných a nestrukturovaných lékařských dat.
Na konci tohoto školení budou účastníci schopni:
- Přizpůsobovat modely AI na lékařských datech, včetně EMRs (elektronické lékařské záznamy), obrazových dat a časových řad.
- Používat transfer learning, adaptaci domény a kompresi modelů v medicínském kontextu.
- Řešit soukromí, bias a regulační soulad při vývoji modelech.
- Nasazovat a monitorovat přizpůsobené modely ve skutečných zdravotnických prostředích.
Fine-Tuning DeepSeek LLM pro Vytvoření Specializovaných AI Modelů
21 HodinyTento instruktorův živý vzdělávací kurz (online nebo na místním zařízení) je určen pro pokročilé odborníky v oblasti umělé inteligence, specialisty v oblasti strojového učení a vývojáře, kteří chtějí finetunovat modely DeepSeek LLM na vytvoření specializovaných AI aplikací přizpůsobených specifickým odvětvím, doménám nebo potřebám podniku.
Po absolvování tohoto kurzu budou účastníci schopni:
- Porozumět architektuře a schopnostem DeepSeek modelů, včetně DeepSeek-R1 a DeepSeek-V3.
- Připravovat datasety a předzpracovávat data pro finetuning.
- Finetunovat modely DeepSeek LLM pro doménově specifické aplikace.
- Optimalizovat a efektivně nasazovat finetunované modely.
Oprava Obranného AI pro Autonomní systémy a Dozor
14 HodinyTento instruktorův přímý živý kurz v České republice (online nebo na místě) je určen pro pokročilé inženýry obranného umělého rozumu a vývojáře vojenských technologií, kteří chtějí přizpůsobit modely hlubokého učení pro použití v autonomních vozidlech, dronoch a systémech dozoru s dodržováním přísných požadavků na bezpečnost a spolehlivost.
Po ukončení tohoto kurzu budou účastníci schopni:
- Přizpůsobit modely počítačového vidění a fúze senzorů pro úkoly dozoru a zaměření.
- Adaptovat autonomní systémy umělé inteligence na změňující se prostředí a profily mise.
- Implementovat odolné mechanismy validace a záchvatu selhání v potrubích modelů.
- Zajišťovat shodu s specifickými požadavky na soulad, bezpečnost a bezpečnost obranných standardů.
Přizpůsobení AI modelů v právní oblasti: Revize smluv a právní výzkum
14 HodinyTato školení vedená instruktorem (online nebo na místě) je určena středně pokročilým inženýrům právnické technologie a AI vývojářům, kteří se chtějí učit přizpůsobovat jazykové modely pro úkoly jako je analýza smluv, extrakce klauzulí a automatizovaný právní výzkum v právnických službách.
Na konci tohoto školení budou účastníci schopni:
- Připravovat a čistit právní dokumenty pro přizpůsobení modelů NLP.
- Používat strategie přizpůsobování k zlepšení přesnosti modelu v právnických úlohách.
- Nasazovat modely, které pomáhají s revizí smluv, klasifikací a výzkumem.
- Zajišťovat dodržování právních požadavků, auditabilní a stopovatelné AI výstupy v právnických kontextech.
Fine-Tuning Velké Jazykové Modely pomocí QLoRA
14 HodinyTento instruktorův vedený živý kurz v České republice (online nebo na místě) je určen pro středně pokročilé a pokročilé inženýry strojového učení, vývojáře AI a analytiky dat, kteří chtějí zjistit, jak použít QLoRA pro efektivní přizpůsobení velkých modelů konkrétním úkolům a vlastním požadavkům.
Konci tohoto kurzu budou účastníci schopni:
- Pochopit teorii za QLoRA a kvantizační techniky pro LLMs.
- Implementovat QLoRA při přizpůsobení velkých jazykových modelů pro oblast-specifické aplikace.
- Optymalizovat výkon přizpůsobení na omezených výpočetních zdrojích pomocí kvantizačních metod.
- Efektivně nasadit a vyhodnotit přizpůsobené modely ve skutečném světě.
