Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés a Finomhangolásba
- Mi a finomhangolás?
- A finomhangolás használati esetei és előnyei
- Az előre betanított modellek és az átviteli tanulás áttekintése
Felkészülés a Finomhangolásra
- Adathalmazok gyűjtése és tisztítása
- A feladatspecifikus adatkövetelmények megértése
- Adatelemzés és előfeldolgozás
Finomhangolási Technikák
- Átviteli tanulás és jellemzőkinyerés
- Transzformerek finomhangolása Hugging Face segítségével
- Finomhangolás felügyelt vs felügyelet nélküli feladatokhoz
Nagy Nyelvi Modellek (LLMs) Finomhangolása
- LLMs adaptálása NLP feladatokhoz (pl. szövegosztályozás, összefoglalás)
- LLMs betanítása egyéni adathalmazokkal
- LLMs viselkedésének szabályozása prompt tervezéssel
Optimalizálás és Értékelés
- Hiperparaméterek hangolása
- Modell teljesítményének értékelése
- Túltanulás és alultanulás kezelése
Finomhangolás Méretezése
- Finomhangolás elosztott rendszereken
- Felhőalapú megoldások kihasználása méretezhetőség érdekében
- Esettanulmányok: Nagy léptékű finomhangolási projektek
Legjobb Gyakorlatok és Kihívások
- Legjobb gyakorlatok a sikeres finomhangoláshoz
- Gyakori kihívások és hibaelhárítás
- Etikai megfontolások a mesterséges intelligencia modellek finomhangolásában
Haladó Témák (Opcionális)
- Többmódusú modellek finomhangolása
- Zero-shot és few-shot tanulás
- LoRA (Low-Rank Adaptation) technikák vizsgálata
Összefoglalás és Következő Lépések
Követelmények
- A gépi tanulás alapjainak ismerete
- Tapasztalat Python programozásban
- Ismeret az előre betanított modellek és alkalmazásaik terén
Célközönség
- Adattudósok
- Gépi tanulás mérnökök
- Művészeti intelligencia kutatók
14 Órák
