Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción al ajuste fino de DeepSeek LLM
- Descripción general de los modelos DeepSeek, por ejemplo, DeepSeek-R1 y DeepSeek-V3
- Comprender la necesidad del ajuste fino de LLM
- Comparación entre el ajuste fino y la ingeniería de instrucciones
Preparación del conjunto de datos para el ajuste fino
- Selección de conjuntos de datos específicos del dominio
- Técnicas de preprocesamiento y limpieza de datos
- Tokenización y formato de conjuntos de datos para DeepSeek LLM
Configuración del entorno de ajuste fino
- Configuración de la aceleración GPU y TPU
- Configuración de Hugging Face Transformers con DeepSeek LLM
- Comprensión de los hiperparámetros para el ajuste fino
Ajuste fino de DeepSeek LLM
- Implementación del ajuste fino supervisado
- Uso de LoRA (Adaptación de Bajo Rango) y PEFT (Ajuste Fino Eficiente en Parámetros)
- Ejecución de ajuste fino distribuido para conjuntos de datos a gran escala
Evaluación y optimización de modelos ajustados
- Evaluación del rendimiento del modelo con métricas de evaluación
- Manejo del sobreajuste y el subajuste
- Optimización de la velocidad de inferencia y la eficiencia del modelo
Implementación de modelos DeepSeek ajustados
- Empaquetado de modelos para implementación mediante API
- Integración de modelos ajustados en aplicaciones
- Escalado de implementaciones con computación en la nube y periférica
Casos de uso y aplicaciones del mundo real
- LLM ajustados para finanzas, atención médica y soporte al cliente
- Estudios de casos de aplicaciones industriales
- Consideraciones éticas en modelos de IA específicos del dominio
Resumen y próximos pasos
Requerimientos
- Experiencia con marcos de aprendizaje automático y aprendizaje profundo
- Familiaridad con transformadores y modelos de lenguaje grandes (LLM)
- Comprensión de las técnicas de preprocesamiento de datos y entrenamiento de modelos
Público objetivo
- Investigadores de IA que exploran el ajuste fino de LLM
- Ingenieros de aprendizaje automático que desarrollan modelos de IA personalizados
- Desarrolladores avanzados que implementan soluciones impulsadas por IA
21 Horas
