PickAClass · AI, เทคโนโลยีและวิศวกรรม · Generative AI และ Deep Learning

การปรับจูนโมเดลภาษา

ก้าวไปไกลกว่าการใช้พรอมต์ด้วยการเรียนรู้ที่จะปรับจูน (fine-tune) โมเดลภาษาที่ฝึกไว้ล่วงหน้าบนชุดข้อมูลที่กำหนดเอง ปรับโมเดลต่างๆ เช่น GPT, Llama และ BERT สำหรับโดเมนและงานเฉพาะทางเพื่อปรับปรุงประสิทธิภาพและความแม่นยำ

43 courses

🔥 ยอดนิยม 🎓 มีใบรับรอง

การปรับจูนโมเดลภาษา

โมเดล AI ท้องถิ่นด้วย Ollama: รัน LLMs บนฮาร์ดแวร์ของคุณเอง

การติดตั้ง LLM ในเครื่อง: รัน AI โอเพนซอร์สบนโครงสร้างพื้นฐานส่วนตัว

คู่มือเริ่มต้นการปรับแต่ง LLM (Beginner's Guide to LLM Fine-Tuning)

พื้นฐานการปรับแต่ง LLM: การบีบอัดและการ Fine-Tuning

การแนะนำการทำ LLM Fine-Tuning บนข้อมูลเฉพาะทาง (Domain Data)

การปรับใช้ Local LLMs: vLLM, Quantization, และ Inference

พื้นฐานการทดสอบและการประเมินผลแอปพลิเคชัน LLM

บทนำสู่การ Fine-Tuning LLM ด้วย LoRA และ QLoRA

พื้นฐานของโมเดลภาษาขนาดใหญ่: จาก Transformers ไปยัง Fine-Tuning

การปรับแต่งโมเดล OpenAI (Fine-Tuning): ปรับแต่ง LLMs ด้วยข้อมูลของคุณเอง

การ Fine-Tune Transformers และ LLMs: จาก BERT สู่ LLaMA

พื้นฐาน Generative AI ด้วย Hugging Face

LLM Fine-Tuning Guide: ปรับแต่ง GPT-3.5 และ AI Models ด้วยข้อมูลของคุณเอง

วิศวกรรม AI เชิงสร้างสรรค์ (Generative AI Engineering): การปรับจูนแบบละเอียดของ Transformer (Fine-Tuning Transformers)

การดำเนินการเชิงกลยุทธ์และการปรับจูน Large Language Models

การพัฒนา LLM แบบกำหนดเอง: การปรับจูนอย่างละเอียดด้วย LoRA และ QLoRA

การปรับจูนและประเมินผลโมเดล Vision AI

การปรับจูนและปรับแต่ง LLM สำหรับโดเมนเฉพาะทาง

การเพิ่มประสิทธิภาพต้นทุน LLM และการปรับปรุงเวิร์กโฟลว์ AI ให้คล่องตัว

Foundation Models และ RAG ด้วย SageMaker JumpStart

การปรับแต่ง Fine-Tuning ของ Foundation Models: คู่มือการปรับแต่ง LLMs ให้เข้ากับความต้องการเฉพาะ

LangChainGo สำหรับนักพัฒนา Go: การบูรณาการ LLMs และ Embeddings

แนวทางการฝึกอบรมด้วย SageMaker สำหรับการเพิ่มประสิทธิภาพโมเดล ML

เจาะลึก LLM Output Layer: จาก Vector สู่การทำนาย Next-Token