Kurzusleírás

Advanced Model Customization Bevezetése

  • Vertex AI finomhangolásának és prompt-kezelésének áttekintése
  • Modelloptimalizálás felhasználási példái
  • Praktikus labor: Vertex AI munkaterület beállítása

Gemini Modellek Felügyelt Finomhangolása

  • Képzési adatok előkészítése finomhangoláshoz
  • Felügyelt finomhangolási folyamatok futtatása
  • Praktikus labor: Gemini modell finomhangolása

Prompt Engineering és Verziókezelés

  • Generatív AI számára hatékony promptok tervezése
  • Verziókezelés és ismétlhetőség
  • Praktikus labor: prompt verziók létrehozása és tesztelése

Értékelés és Benchmarking

  • Vertex AI értékelő könyvtárak áttekintése
  • Automatizált tesztelési és validációs folyamatok
  • Praktikus labor: promptok és kimenetek értékelése

Modell Telepítése és Monitorozása

  • Optimalizált modellek integrálása alkalmazásokba
  • Teljesítmény monitorozása és eltérésfelismerés
  • Praktikus labor: finomhangolt modell telepítése

Enterprise AI Optimizálásának Legjobb Gyakorlatai

  • Skálázhatóság és költségkezelés
  • Etikai szempontok és elharasztáscsökkentés
  • Esemény: AI alkalmazások javítása a gyártásban

Jövőbeli Irányok a Finomhangolásban és Prompt-kezelésben

  • Új irányok LLM-optimalizálásban
  • Automatizált prompt adaptáció és erősítéstanulás
  • Stratégiai következmények vállalati elfogadásra

Összegzés és Következő lépések

Követelmények

  • Ismeret a machine learning munkafolyamatokkal
  • Python programozási ismeretek
  • Ismeretség a cloud-alapú AI platformokkal

Célközönség

  • AI mérnökök
  • MLops gyakorlók
  • Adattudósok
 14 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák