LLaMa برای توسعه دهندگان

مدرس Denys Linkov

انتشار 2024/04/17

به‌روز‌رسانی 2025/07/24

مدت زمان 1h 49m

سطح مناسب همه

فایل تمرینی ندارد

آموزش LLaMa for Developers

در این دوره آموزشی، یاد بگیرید که چگونه مدل‌های AI منبع باز را با یکی از رایج‌ترین مدل‌های منبع باز، LLaMa (متا هوش مصنوعی مدل زبان بزرگ) سفارشی کنید. مدرس دنیس لینکوف یک رویکرد عملی برای کار با LLaMa را به اشتراک می‌گذارد که معماری LLaMa، راه‌اندازی، استقرار و مدل‌های آموزشی را توضیح می‌دهد. او از مجموعه‌ای از نوت‌بوک‌های پایتون استفاده می‌کند تا به شما نشان دهد چگونه LLaMa را با موارد استفاده خود تطبیق دهید و آن را در یک محیط سازمانی یا راه‌اندازی به کار بگیرید.

AI Software Development Artificial Intelligence (AI) مدل‌های زبان بزرگ (LLM) Llama Software Development

Introduction

Developing AI models using LLaMA ()

1. Introduction to LLaMA

Using LLaMA online ()

Running LLaMA in a notebook ()

Accessing LLaMA in an enterprise environment ()

2. LLaMA Architecture

Differences between LLaMA 2 and 3 ()

Differences between LLaMA 3 and 4 ()

The LLaMA architecture ()

The LLaMA tokenizer ()

The LLaMA context window ()

Differences between LLaMA 1 and 2 ()

3. Fine-Tuning LLaMA

Fine-tuning LLaMA with a few examples ()

Fine-tuning LLaMA and freezing layers ()

Fine-tuning with LLaMA using LoRa ()

Reinforcement learning with RLHF and DPO ()

Fine-tuning larger LLaMA models ()

4. Serving LLaMA

Resources required to serve LLaMA ()

Quantizing LLaMA ()

Using TGI for serving LLaMA ()

Using VLLM for serving LLaMA ()

Using DeepSpeed for serving LLaMA ()

Explaining LoRA and SLoRA ()

Using a vendor for serving LLaMA ()

5. Prompting LLaMA

Difference between LLaMA with commercial LLMs ()

Few shot learning with LLaMA ()

Chain of thought with LLaMA ()

Using schemas with LLaMA ()

Optimizing LLaMA prompts with DSPy ()

Challenge: Generating product tags ()

Solution: Generating product tags ()

Conclusion

Continue your LlaMA AI model development journey ()

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.