Kursplan

Introduksjon til avansert modelltilpasning

  • Oversikt over finjustering og prompt-håndtering i Vertex AI
  • Brukstilfeller for modelloptimalisering
  • Hånds-på-lab: Oppsetning av Vertex AI arbeidsplass

Overvåket finjustering av Gemini-modeller

  • Forberedelse av treningdata for finjustering
  • Kjøring av overvåkede finjusteringsprosesser
  • Hånds-på-lab: Finjustering av en Gemini-modell

Prompt-ingeniørfag og versjonshåndtering

  • Utforming av effektive prompts for generative AI
  • Versjonskontroll og gjentakbarhet
  • Hånds-på-lab: Oppretting og testing av prompt-versjoner

Vurdering og benchmarking

  • Oversikt over vurderingsbiblioteker i Vertex AI
  • Automatisering av testing- og valideringsarbeidsflater
  • Hånds-på-lab: Vurdering av prompts og utdata

Modellutplassering og overvåking

  • Integrering av optimaliserte modeller i applikasjoner
  • Overvåking av ytelse og driftdeteksjon
  • Hånds-på-lab: Utplassering av en finjustert modell

Beste praksis for bedriftsoptimering av AI

  • Skalerbarhet og kostnadshåndtering
  • Etiske overveielser og biasredusering
  • Case studie: Forbedring av AI-applikasjoner i produksjon

Fremtidige retninger i finjustering og prompt-håndtering

  • Nyere trender i LLM-optimalisering
  • Automatisert prompt-adaptasjon og forsterkningslæring
  • Strategiske implikasjoner for bedriftsadopsjon

Oppsummering og neste trinn

Krav

  • Erfaring med maskinlæringsarbeidsflyter
  • Kunnskap om Python-programmering
  • Kjennskap til skybaserte AI-plattformer

Målgruppe

  • AI-ingeniører
  • MLops-praktikere
  • Datavitere
 14 timer

Antall deltakere


Pris per deltaker

Kommende kurs

Relaterte kategorier