Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione al modello Fine-Tuning su Ollama
- Comprendere la necessità di perfezionare i modelli di intelligenza artificiale
- Principali vantaggi della personalizzazione per applicazioni specifiche
- Panoramica delle capacità di Ollama per la messa a punto
Impostazione dell'ambiente Fine-Tuning
- Configurazione Ollama per la personalizzazione del modello AI
- Installazione dei framework richiesti (PyTorch, Hugging Face, ecc.)
- Garantire l'ottimizzazione hardware con accelerazione GPU
Preparazione dei set di dati per Fine-Tuning
- Raccolta, pulizia e pre-elaborazione dei dati
- Tecniche di etichettatura e annotazione
- Best practice per la suddivisione dei set di dati (formazione, convalida, test)
Fine-Tuning Modelli AI su Ollama
- Scelta dei modelli pre-addestrati giusti per la personalizzazione
- Strategie di ottimizzazione e messa a punto degli iperparametri
- Ottimizzazione dei flussi di lavoro per la generazione di testo, la classificazione e altro ancora
Valutazione e ottimizzazione delle prestazioni del modello
- Metriche per valutare l'accuratezza e la robustezza del modello
- Affrontare i problemi di distorsione e sovradattamento
- Benchmarking e iterazione delle prestazioni
Distribuzione di modelli di intelligenza artificiale personalizzati
- Esportazione e integrazione di modelli ottimizzati
- Modelli di ridimensionamento per ambienti di produzione
- Garantire la conformità e la sicurezza nella distribuzione
Tecniche avanzate per la personalizzazione del modello
- Utilizzo dell'apprendimento per rinforzo per migliorare i modelli di intelligenza artificiale
- Applicazione di tecniche di adattamento del dominio
- Esplorazione della compressione del modello per l'efficienza
Tendenze future nella personalizzazione dei modelli AI
- Innovazioni emergenti nelle metodologie di messa a punto
- Progressi nell'addestramento di modelli di intelligenza artificiale a basse risorse
- Impatto dell'intelligenza artificiale open source sull'adozione aziendale
Riepilogo e passaggi successivi
Requisiti
- Ottima conoscenza dell'apprendimento profondo e degli LLM
- Esperienza con Python framework di programmazione e intelligenza artificiale
- Familiarità con la preparazione del set di dati e l'addestramento del modello
Pubblico
- I ricercatori di intelligenza artificiale esplorano la messa a punto del modello
- Gli scienziati dei dati ottimizzano i modelli di intelligenza artificiale per attività specifiche
- Sviluppatori LLM che creano modelli linguistici personalizzati
14 ore
