Cursusaanbod

Inleiding tot QLoRA en kwantisering

  • Overzicht van kwantisering en haar rol bij het optimaliseren van modellen
  • Inleiding tot het QLoRA-framework en haar voordelen
  • Belangrijkste verschillen tussen QLoRA en traditionele methoden voor fine-tuning

Fundamentals van Large Language Models (LLMs)

  • Inleiding tot LLMs en hun architectuur
  • Uitdagingen bij het schaalbaar maken van fine-tuning van grote modellen
  • Hoe kwantisering helpt om rekenkundige beperkingen bij het fine-tuning van LLMs te overwinnen

Implementeren van QLoRA voor Fine-Tuning LLMs

  • Het QLoRA-framework en de omgeving instellen
  • Datasets voorbereiden voor QLoRA fine-tuning
  • Stapsgewijze gids voor het implementeren van QLoRA op LLMs met behulp van Python en PyTorch/TensorFlow

Optimaliseren van de prestaties van Fine-Tuning met QLoRA

  • Hoe de balans tussen modelnauwkeurigheid en prestaties te behouden met kwantisering
  • Technieken voor het verlagen van de rekenkosten en geheugengebruik tijdens fine-tuning
  • Strategieën voor fine-tuning met minimale hardwarevereisten

Evaluatie van Fine-Tuned Modellen

  • Hoe de effectiviteit van fine-tuned modellen te beoordelen
  • Veelvoorkomende evaluatiemetrieken voor taalmodellen
  • Optimaliseren van de prestaties van het model na het tunen en het oplossen van problemen

Implementeren en Schalen van Fine-Tuned Modellen

  • Beste praktijken voor het implementeren van gekwantiseerde LLMs in productieomgevingen
  • Schalen van de implementatie om real-time aanvragen te verwerken
  • Hulpmiddelen en frameworks voor modelimplementatie en monitoring

Reële Use Cases en casestudies

  • Casestudie: Fine-tuning van LLMs voor klantenservice en NLP-taken
  • Voorbeelden van fine-tuning van LLMs in verschillende sectoren zoals gezondheidszorg, financiën en e-commerce
  • Lessons geleerd uit echte implementaties van QLoRA-gebaseerde modellen

Samenvatting en Volgende Stappen

Vereisten

  • Begrip van de fundamenten van machine learning en neurale netwerken
  • Ervaring met modelafstemming en transfer learning
  • Kennis van grote taalmodellen (LLMs) en diep lerende frameworks (bijvoorbeeld PyTorch, TensorFlow)

Doelgroep

  • Machine learning engineers
  • AI developers
  • Data scientists
 14 Uren

Leveringsopties

PRIVÉGROEPSTRAINING

Onze identiteit draait om het leveren van precies wat onze klanten nodig hebben.

  • Pre-cursusgesprek met uw trainer
  • Aanpassing van de leerervaring om uw doelen te bereiken -
    • Op maat gemaakte overzichten
    • Praktische, praktische oefeningen met gegevens / scenario's die herkenbaar zijn voor de cursisten
  • Training gepland op een datum naar keuze
  • Gegeven online, op locatie/klaslokaal of hybride door experts die ervaring uit de echte wereld delen

Private Group Prices RRP from €4560 online delivery, based on a group of 2 delegates, €1440 per additional delegate (excludes any certification / exam costs). We recommend a maximum group size of 12 for most learning events.

Neem contact met ons op voor een exacte offerte en om onze laatste promoties te horen


OPENBARE TRAINING

Kijk op onze public courses

Voorlopige Aankomende Cursussen

Gerelateerde categorieën