Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione al Fine-Tuning dei Modelli DeepSeek LLM
- Panoramica sui modelli DeepSeek, ad esempio DeepSeek-R1 e DeepSeek-V3
- Comprensione della necessità di fare il fine-tuning dei LLM
- Confronto tra il fine-tuning e l'ingegneria degli stimoli (prompt engineering)
Preparazione del Dataset per il Fine-Tuning
- Curazione di dataset specifici del dominio
- Tecniche di preprocessamento e pulizia dei dati
- Tokenizzazione e formattazione del dataset per il LLM DeepSeek
Configurazione dell'Ambiente per il Fine-Tuning
- Configurazione dell'accelerazione GPU e TPU
- Impostazione di Hugging Face Transformers con DeepSeek LLM
- Comprensione degli iperparametri per il fine-tuning
Fine-Tuning del Modello DeepSeek LLM
- Implementazione del fine-tuning supervisionato
- Utilizzo di LoRA (Low-Rank Adaptation) e PEFT (Parameter-Efficient Fine-Tuning)
- Esecuzione del fine-tuning distribuito per dataset a grande scala
Valutazione e Ottimizzazione dei Modelli Fine-Tuned
- Valutazione delle prestazioni del modello con metriche di valutazione
- Gestione dell'overfitting e dell'underfitting
- Ottimizzazione della velocità di inferenza ed efficienza del modello
Deployment dei Modelli Fine-Tuned DeepSeek
- Pacchettizzazione dei modelli per il deployment tramite API
- Integrazione di modelli fine-tuned in applicazioni
- Scalabilità del deployment con il cloud e il calcolo all'edge
Casistiche e Applicazioni nel Mondo Reale
- Modelli LLM fine-tuned per finanza, sanità e supporto al cliente
- Studi di caso su applicazioni industriali
- Considerazioni etiche nei modelli AI specifici del dominio
Sintesi e Prossimi Passaggi
Requisiti
- Esperienza con i framework di apprendimento automatico e di apprendimento profondo
- Familiarità con gli strumenti di traduzione (transformers) e grandi modelli linguistici (LLMs)
- Comprendere le tecniche di preprocessamento dei dati e dell'addestramento del modello
Pubblico
- Ricerche AI che esplorano il fine-tuning dei LLM
- Ingegneri di apprendimento automatico che sviluppano modelli AI personalizzati
- Sviluppatori avanzati che implementano soluzioni guidate dall'AI
21 ore
