Struttura del corso

Introduzione a DeepSeek LLM Fine-Tuning

  • Panoramica sui modelli DeepSeek, ad es. DeepSeek-R1 e DeepSeek-V3
  • Comprendere la necessità di ottimizzare gli LLM
  • Confronto tra fine-tuning e prompt engineering

Preparazione del dataset per Fine-Tuning

  • Cura di dataset specifici per il dominio
  • Tecniche di preelaborazione e pulizia dei dati
  • Tokenizzazione e formattazione del dataset per LLM DeepSeek

Impostazione dell'ambiente Fine-Tuning

  • Configurazione dell'accelerazione GPU e TPU
  • Impostazione di Hugging Face Transformers con DeepSeek LLM
  • Comprendere gli iperparametri per l'ottimizzazione

Fine-tuning di Fine-Tuning DeepSeek LLM

  • Implementazione del fine-tuning supervisionato
  • Utilizzo di LoRA (Low-Rank Adaptation) e PEFT (Parameter-Efficient Fine-Tuning)
  • Esecuzione di fine-tuning distribuito per dataset su larga scala

Valutazione e ottimizzazione di modelli raffinati

  • Valutazione delle prestazioni del modello con metriche di valutazione
  • Gestire l'overfitting e l'underfitting
  • Ottimizzare la velocità di inferenza e l'efficienza del modello

Distribuzione di modelli DeepSeek fine-tuned

  • Imballaggio di modelli per il deployment dell'API
  • Integrare modelli ottimizzati in applicazioni
  • Scalare le distribuzioni con il cloud e l'edge computing

Use Case reali e applicazioni

  • LLM ottimizzati per finanza, sanità e assistenza clienti
  • Studi caso di applicazioni industriali
  • Considerazioni etiche sui modelli AI specifici per dominio

Conclusione e passi successivi

Requisiti

  • Esperienza con framework di machine learning e deep learning
  • Familiarità con i trasformatori e i modelli di linguaggio di grandi dimensioni (LLM)
  • Comprensione delle tecniche di preprocessing dei dati e di addestramento dei modelli

Pubblico

  • Ricercatori di intelligenza artificiale che esplorano la messa a punto di LLM
  • Ingegneri di machine learning che sviluppano modelli AI personalizzati
  • Sviluppatori avanzati che implementano soluzioni guidate dall'AI
 21 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative