Ta kontakt

Kursplan

Innføring i finjustering

  • Hva er finjustering?
  • Bruksscenarier og fordeler med finjustering
  • Overblikk over ferdig trentede modeller og overføring av læring

Forberedelser for finjustering

  • Samling og rengjøring av datasett
  • Forståelse av oppgavespesifikke datakrav
  • Eksplorativ datanalyse og foreprocessing

Finjusteringsteknikker

  • Overføring av læring og funksjonsekstraksjon
  • Finjustering av Transformer-modeller med Hugging Face
  • Finjustering for overvåket vs. uovervåket oppgaver

Finjustering av store språkmodeller (LLM)

  • Tilpassing av LLM for NLP-oppgaver (f.eks. tekstklassifisering, oppsummering)
  • Undervisning av LLM med tilpassede datasett
  • Kontrollere LLM-adferd med prompt-engineering

Optimalisering og evaluering

  • Tuning av hyperparametre
  • Evaluering av modellytelse
  • Håndtering av overtilpassning og undertilpassning

Skalering av finjusteringseffekt

  • Finjustering på distribuserte systemer
  • Utnytting av skybaserte løsninger for skalerbarhet
  • Kasestudier: Store-scale finjusteringsprosjekter

Beste praksis og utfordringer

  • Beste praksis for suksessfull finjustering
  • Vanlige utfordringer og feilsøking
  • Ethiske vurderinger ved finjustering av AI-modeller

Avanserte emner (Valgfritt)

  • Finjustering av multilaterale modeller
  • Null-skudd og lite-skudd læring
  • Utforsking av LoRA (Low-Rank Adaptation)-teknikker

Oppsummering og neste steg

Krav

  • Forståelse av grunnleggende maskinlæringskonsepter
  • Erfaring med Python-programmering
  • Kunnskap om ferdig trentede modeller og deres anvendelser

Målgruppe

  • Data scientists
  • Maskinlæringsingeniører
  • AI-forskere
 14 Timer

Antall deltakere


Pris per deltaker

Kommende kurs

Relaterte kategorier