Kurzusleírás

Bevezetés a haladó modell testreszabásba

  • Áttekintés a finomhangolásról és prompt menedzsmentről a Vertex AI-ben
  • Modelloptimalizálás használati esetei
  • Gyakorlati feladat: a Vertex AI munkaterület beállítása

Felügyelt finomhangolás a Gemini modelleken

  • Képzési adatok előkészítése a finomhangoláshoz
  • Felügyelt finomhangolási folyamatok futtatása
  • Gyakorlati feladat: egy Gemini modell finomhangolása

Prompt tervezés és verziókezelés

  • Hatékony promptok tervezése generatív AI-hoz
  • Verziókezelés és reprodukálhatóság
  • Gyakorlati feladat: prompt verziók létrehozása és tesztelése

Értékelés és teljesítménymérés

  • Áttekintés az értékelési könyvtárakról a Vertex AI-ben
  • Automatizált tesztelési és validációs munkafolyamatok
  • Gyakorlati feladat: promptok és kimenetek értékelése

Modell üzembe helyezés és monitorozás

  • Optimalizált modellek integrálása alkalmazásokba
  • Teljesítmény monitorozása és eltolódás észlelése
  • Gyakorlati feladat: egy finomhangolt modell üzembe helyezése

Ajánlott eljárások a vállalati AI optimalizáláshoz

  • Skálázhatóság és költségkezelés
  • Etikai megfontolások és elfogultság csökkentése
  • Esettanulmány: AI alkalmazások javítása termelési környezetben

Jövőbeli irányok a finomhangolásban és prompt menedzsmentben

  • Új trendek a nagy nyelvi modellek (LLM) optimalizálásában
  • Automatizált prompt adaptáció és megerősítő tanulás
  • Stratégiai következmények a vállalati bevezetéshez

Összefoglalás és következő lépések

Követelmények

  • Tapasztalat gépi tanulási munkafolyamatokkal
  • Python programozási ismeretek
  • Ismeret a felhőalapú AI platformokkal kapcsolatban

Célközönség

  • AI mérnökök
  • MLops szakemberek
  • Adattudósok
 14 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (1)

Közelgő kurzusok

Rokon kategóriák