تنظیم دقیق برای LLMS: از مبتدی تا پیشرفته

مدرس Axel Sirota

انتشار 2024/09/03

مدت زمان 3h 25m

سطح مناسب همه

فایل تمرینی دارد

آموزش Fine-Tuning for LLMs: from Beginner to Advanced

این دوره از جدیدترین پیشرفت ها در مدل های بزرگ زبان (LLM) مانند Flan-T5 استفاده می کند و متخصصان را قادر می سازد تا این ابزارها را به طور مؤثر در چشم انداز AI در حال تحول در حال تحول داشته باشند. مربی Axel Sirota به شما کمک می کند تا یک پایه محکم در اصول اولیه LLMS ایجاد کنید و به بررسی معماری ، تکامل و نقش آنها در چشم انداز فعلی هوش مصنوعی بپردازید. به مهندسی سریع بپردازید و یاد بگیرید که چگونه می توانید از پیشبردهای مؤثر استفاده کنید که خروجی های LLM را برای کارهای خاص راهنمایی می کند. سپس با استفاده از LORA ، به یادگیری انتقال و تنظیم دقیق Peft شیرجه بزنید و نحوه تطبیق و بهینه سازی LLM ها را برای کارهای متنوع NLP پیدا کنید. هر بخش دوره شامل کلیپ های اکشن ، اسلایدها و نسخه های نمایشی و همچنین چالش های دنیای واقعی است که مهندسی سریع ، یادگیری انتقال و تکنیک های تنظیم دقیق را برای تقویت توانایی های FLAN-T5 پوشش می دهد. به علاوه ، شما یک پروژه نهایی با محوریت ساخت یک راه حل NLP شامل تجزیه و تحلیل احساسات ، خلاصه متن و پاسخ به سؤال را تکمیل خواهید کرد.

Artificial Intelligence (AI) Fine Tuning Generative AI مدل‌های زبان بزرگ (LLM)

Introduction

Beginning to fine-tune your LLMs ()

Getting the most out of this course ()

Version check ()

1. Introduction to Large Language Models (LLMs)

LLMs: Revolutionizing AI ()

The architecture of LLMs ()

Applications of LLMs ()

Ethical considerations in LLMs ()

Comparing LLMs ()

FLAN-T5 in focus ()

2. Utilizing LLMs with Prompt Engineering

Basics of prompt engineering ()

Crafting effective prompts ()

Prompt engineering with FLAN-T5 ()

Demo: Prompt engineering with FLAN-T5 ()

Demo: Using ICL and Patterns while prompting ()

Case studies in prompt engineering ()

Solution: Designing a translation prompt ()

3. Transfer Learning for NLP Tasks

Transfer learning in LLMs ()

Choosing models for transfer learning ()

Demo: Transfer learning with FLAN-T5 ()

Evaluating transfer learning outcomes ()

Demo: Evaluating translations ()

Solution: Enhancing translation with transfer learning ()

4. PEFT Fine-Tuning with LoRA

Introduction to PEFT ()

LoRA adapters ()

LoRA in depth: Technical analysis ()

Demo: LoRA fine-tuning on FLAN-T5 ()

Implementing LoRA in LLMs ()

Demo: Challenges in LoRA ()

Solution: Fine-tuning FLAN-T5 for translation ()

5. Project: Creating a Full NLP Solution

Solution: Fine-tuning the sentiment analysis model ()

Solution: Fine-tuning the Q&A model ()

Solution: Fine-tuning the summarization model ()

Demo: Integrating everything into our solution ()

Conclusion

Course recap and key takeaways ()

Advanced topics and future trends in LLMs ()

Leveraging LLMs for future projects ()

Continuous learning in the field of LLMs ()

Ex_Files_Fine_Tuning_for_LLMs.zip (193 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش تنظیم دقیق برای LLMS: از مبتدی تا پیشرفته

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Fine-Tuning for LLMs: from Beginner to Advanced در 1 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

تبدیل به یک مهندس هوش مصنوعی شوید که سیستم های هوشمند را در مقیاس طراحی، می سازد و به کار می گیرد. این مسیر یادگیری برای مهندسین نرم افزار، دانشمندان داده و متخصصان فناوری که آماده رهبری نوآوری هوش مصنوعی هستند، مناسب است. کارشناسی ارشد LLM، تنظیم دقیق، معماری RAG، پایگاه های داده برداری، استقرار ابر، و شیوه های هوش مصنوعی مسئول. به متخصصی تبدیل شوید که تحقیقات پیشرفته را با راه حل های آماده تولید که ارزش کسب و کار را افزایش می دهد، پیوند می دهد.

آموزش تنظیم دقیق برای LLMS: از مبتدی تا پیشرفته ، ایستگاه شماره 7 در مسیر یادگیری یک مهندس هوش مصنوعی شوید ، است.