Struttura del corso

Introduzione alla Personalizzazione Avanzata dei Modelli

  • Panoramica sul fine-tuning e la gestione delle prompt in Vertex AI
  • Casi d'uso per l'ottimizzazione dei modelli
  • Laboratorio pratico: configurazione dell'ambiente di lavoro di Vertex AI

Fine-Tuning Supervisato dei Modelli Gemini

  • Preparazione dei dati di training per il fine-tuning
  • Esecuzione delle pipeline di fine-tuning supervisionato
  • Laboratorio pratico: fine-tuning di un modello Gemini

Ingegneria delle Prompt e Gestione delle Versioni

  • Progettazione di prompt efficaci per l'AI generativa
  • Gestione del controllo versione e riproducibilità
  • Laboratorio pratico: creazione e test di diverse versioni delle prompt

Valutazione e Benchmarking

  • Panoramica sulle librerie di valutazione in Vertex AI
  • Automatizzazione dei flussi di lavoro di testing e validazione
  • Laboratorio pratico: valutazione delle prompt e degli output

Distribuzione e Monitoraggio del Modello

  • Integrazione di modelli ottimizzati nelle applicazioni
  • Monitoraggio della performance e rilevamento dello spostamento (drift)
  • Laboratorio pratico: distribuzione di un modello fine-tuned

Migliori Pratiche per l'Ottimizzazione dell'AI Aziendale

  • Scalabilità e gestione dei costi
  • Considerazioni etiche e mitigazione del bias
  • Caso di studio: miglioramento delle applicazioni AI in produzione

Direzioni Future nel Fine-Tuning e nella Gestione delle Prompt

  • Tendenze emergenti nell'ottimizzazione dei modelli LLM (Large Language Models)
  • Adattamento automatico delle prompt e apprendimento per rinforzo
  • Implicazioni strategiche per l'adozione aziendale

Riassunto e Passi Successivi

Requisiti

  • Esperienza con i flussi di lavoro del machine learning
  • Conoscenza della programmazione in Python
  • Familiarità con piattaforme AI basate sul cloud

Pubblico target

  • Ingegneri AI
  • Praticanti MLOps
  • Data scientists
 14 Ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative