Plan du cours

Introduction au réglage fin

  • Qu'est-ce que le réglage fin ?
  • Cas d'utilisation et avantages du réglage fin
  • Aperçu des modèles pré-entraînés et de l'apprentissage par transfert

Préparation du réglage fin

  • Collecte et nettoyage des ensembles de données
  • Comprendre les exigences en matière de données spécifiques à la tâche
  • Analyse exploratoire des données et prétraitement

Techniques de mise au point

  • Apprentissage par transfert et extraction de caractéristiques
  • Réglage fin des transformateurs avec Hugging Face
  • Réglage fin pour les tâches supervisées et non supervisées

Réglage fin Large Language Models (LLMs)

  • Adaptation des LLM à des tâches de NLP (par exemple, classification de textes, résumés)
  • Formation des LLM avec des ensembles de données personnalisés
  • Contrôle du comportement du LLM avec l'ingénierie d'invite

Optimisation et évaluation

  • Réglage des hyperparamètres
  • Évaluation de la performance du modèle
  • Traitement de l'overfitting et de l'underfitting

Mise à l'échelle des efforts de réglage fin

  • Réglage fin sur des systèmes distribués
  • Exploiter les solutions basées sur l'informatique dématérialisée pour l'extensibilité
  • Études de cas : Projets de réglage fin à grande échelle

Meilleures pratiques et défis

  • Meilleures pratiques pour réussir le réglage fin
  • Défis et dépannages courants
  • Considérations éthiques relatives au réglage fin des modèles d'IA

Sujets avancés (facultatif)

  • Ajustement des modèles multimodaux
  • Apprentissage à partir de zéro et à partir de peu d'échantillons
  • Exploration des techniques LoRA (Low-Rank Adaptation)

Résumé et prochaines étapes

Pré requis

  • Compréhension des principes fondamentaux de l'apprentissage automatique
  • Expérience de la programmation Python
  • Familiarité avec les modèles pré-entraînés et leurs applications

Audience

  • Scientifiques des données
  • Ingénieurs en apprentissage automatique
  • Chercheurs en IA
 14 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires