Corso di formazione Risoluzione dei problemi nel fine-tuning
Questo corso di livello avanzato fornisce ai partecipanti le conoscenze e le competenze necessarie per affrontare le problematiche più comuni legate al fine-tuning dei modelli di apprendimento automatico. Dalla gestione degli squilibri nei dati alla risoluzione del sovraadattamento fino all’assicurazione della corretta convergenza del modello, i partecipanti acquisiranno esperienze pratiche per gestire situazioni reali nel contesto del fine-tuning.
Si tratta di un corso formativo dal vivo condotto da istruttori (online o in sede) destinato a professionisti esperti che desiderano affinare le proprie capacità diagnostiche e risolutive riguardo ai problemi legati al fine-tuning dei modelli di machine learning.
Al termine del corso, i partecipanti saranno in grado di:
- Diagnosticare problematiche quali sovraadattamento, sottoadattamento e squilibri nei dati.
- Attuare strategie utili a migliorare la convergenza del modello.
- Ottimizzare i processi di fine-tuning per ottenere prestazioni superiori.
- Debuggare i cicli di addestramento ricorrendo a strumenti e tecniche pratiche.
Struttura del corso
- Lezioni interattive e discussioni guidate.
- Numerosi esercizi pratici e attività di applicazione.
- Implementazioni dirette in un ambiente laboratoriale reale.
Opzioni di personalizzazione del corso
- Per richiedere una personalizzazione su misura di questo corso, contattaci per accordarci sui dettagli.
Struttura del corso
Introduzione alle problematiche del fine-tuning
- Cenni sul processo di fine-tuning
- Problematiche frequentemente riscontrate nel fine-tuning di modelli di grandi dimensioni
- L’effetto della qualità dei dati e delle tecniche di preprocessamento
Gestione degli squilibri nei dati
- Identificazione e analisi degli squilibri nei set di dati
- Tecniche per affrontare situazioni di bilanciamento non ottimale dei dati
- Utilizzo dell’aumentazione dei dati e della generazione di dati sintetici
Gestione del sovraadattamento e sottoadattamento
- Comprensione delle cause e dei meccanismi del sovraadattamento e sottoadattamento
- Tecniche di regolarizzazione: L1, L2 e dropout
- Adeguamento della complessità del modello e della durata dell’addestramento
Miglioramento della convergenza del modello
- Individuazione dei problemi legati alla convergenza del modello
- Scelta adeguata del tasso di apprendimento e dell’ottimizzatore
- Implementazione di programmi per la regolazione dinamica del tasso di apprendimento e di tecniche di warm-up
Debuggare i processi di fine-tuning
- Strumenti utili al monitoraggio dei cicli di addestramento
- Registrazione e visualizzazione delle metriche del modello
- Risoluzione degli errori generati durante l’addestramento
Ottimizzazione dell’efficienza dell’addestramento
- Scegliere la dimensione ottimale dei batch e adottare tecniche di accumulo del gradiente
- Utilizzo della precisione mista nell’addestramento dei modelli
- Implementazione dell’addestramento distribuito per modelli su larga scala
Casi pratici e studio di problemi reali nel fine-tuning
- Caso d’uso: Fine-tuning finalizzato all’analisi del sentiment negli testi
- Caso d’uso: Risoluzione dei problemi di convergenza in sistemi di classificazione delle immagini
- Caso d’uso: Affrontare il sovraadattamento nei processi di riassunto automatico del testo
Sintesi e prospettive future
Requisiti
- Esperienza con framework di deep learning come PyTorch o TensorFlow
- Conoscenza dei concetti fondamentali dell’apprendimento automatico, tra cui addestramento, validazione ed valutazione del modello
- Familiarità con le tecniche di fine-tuning applicate a modelli pre-addestrati
Destinatari
- Data scientist
- Ingegneri AI
I corsi di formazione interaziendali richiedono più di 5 partecipanti.
Corso di formazione Risoluzione dei problemi nel fine-tuning - Prenotazione
Corso di formazione Risoluzione dei problemi nel fine-tuning - Richiesta
Risoluzione dei problemi nel fine-tuning - Richiesta di consulenza
Corsi in Arrivo
Corsi relativi
Fine-tuning avanzato e gestione dei prompt in Vertex AI
14 oreTecniche Avanzate nel Transfer Learning
14 oreQuesto corso formativo dal vivo condotto da istruttori in Italia (online o in sede) è pensato per professionisti esperti nel campo del machine learning che desiderano padroneggiare le tecniche più moderne di transfer learning e applicarle a problemi reali complessi.
Alla fine del corso, i partecipanti saranno in grado di:
- Comprendere i concetti e le metodologie avanzate legati al transfer learning.
- Implementare tecniche di adattamento a domini specifici per modelli pre-addestrati.
- Utilizzare l’apprendimento continuo per gestire compiti e dataset in evoluzione.
- Dominare il fine-tuning multi-task al fine di migliorare le prestazioni del modello su diversi task.
Strategie di apprendimento continuo e aggiornamento dei modelli per modelli ottimizzati
14 oreQuesto corso pratico, con docente presente in Italia (online o in presenza), è indirizzato a ingegneri esperti di manutenzione dell’IA e professionisti MLOps che desiderano implementare flussi operativi per l’apprendimento continuo efficaci, nonché strategie di aggiornamento ottimali per modelli ottimizzati già distribuiti.
Alla fine del corso, i partecipanti saranno in grado di:
- Progettare e implementare flussi di lavoro basati sull’apprendimento continuo per i modelli attivi.
- Contrastare il fenomeno dell’oblio catastrofico mediante tecniche di addestramento adeguate e una gestione ottimale della memoria.
- Automatizzare la monitoraggio dei cambiamenti nei dati o nella performance del modello, attivando gli aggiornamenti necessari.
- Integrare queste strategie nei processi CI/CD e MLOps già esistenti.
Distribuzione di modelli ottimizzati in produzione
21 oreIl corso, tenuto da un istruttore in diretta Italia (online o in sede), è pensato per professionisti avanzati desiderosi di distribuire modelli ottimizzati in modo sicuro ed efficace.
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere le problematiche legate alla messa in produzione dei modelli personalizzati.
- Containerizzare e distribuire i modelli con l’ausilio di strumenti come Docker e Kubernetes.
- Implementare sistemi di monitoraggio e registrazione per i modelli attivi.
- Ottimizzare le prestazioni in termini di latenza e capacità di scalabilità nei contesti reali.
Adattamento specialistico di modelli AI per il settore finanziario
21 oreSi tratta di un corso formativo dal vivo con la guida di un istruttore in Italia (online o in sede), destinato a professionisti di livello intermedio desiderosi di acquisire competenze pratiche per personalizzare i modelli AI relativamente a compiti fondamentali nel settore finanziario.
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere i principi fondamentali dell’adattamento dei modelli per applicazioni finanziarie.
- Sfruttare modelli preaddestrati nell’ambito di task specializzati nel settore finanziario.
- Applicare tecniche utili al rilevamento delle frodi, alla valutazione dei rischi e alla generazione di consigli finanziari.
- Garantire la conformità alle normative finanziarie come il GDPR e il SOX.
- Implementare misure di sicurezza dei dati e pratiche etiche nell’impiego dell’AI nel mondo della finanza.
Ottimizzazione di modelli e grandi modelli linguistici (LLM)
14 oreQuesto corso formativo dal vivo, con la guida di istruttori in Italia (online o in sede), si rivolge a professionisti con competenze intermedie e avanzate che desiderano personalizzare modelli pre-addestrati per compiti specifici.
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere i principi dell'ottimizzazione e i suoi ambiti di applicazione.
- Preparare dataset adeguati per l'adattamento dei modelli pre-addestrati.
- Ottimizzare grandi modelli linguistici (LLM) per compiti di elaborazione del linguaggio naturale.
- Ottimizzare le prestazioni dei modelli e risolvere i problemi più comuni.
Ottimizzazione efficace tramite Low-Rank Adaptation (LoRA)
14 oreQuesto corso formativo dal vivo tenuto da istruttori in Italia (online o in presenza) si rivolge a sviluppatori e professionisti dell’intelligenza artificiale di livello intermedio che desiderano implementare strategie di fine-tuning per modelli su larga scala senza dover disporre di risorse computazionali ingenti.
Alla conclusione del corso, i partecipanti saranno in grado di:
- Comprendere i fondamenti della Low-Rank Adaptation (LoRA).
- Applicare LoRA per ottimizzare il fine-tuning dei modelli su larga scala.
- Ottimizzare tale processo in contesti con risorse limitate.
- Valutare e distribuire i modelli realizzati tramite LoRA per impieghi pratici.
Ottimizzazione di modelli multimodali
28 oreQuesto corso di formazione dal vivo, guidato da un istruttore in Italia (online o in presenza), è rivolto a professionisti di livello avanzato desiderosi di padroneggiare l'ottimizzazione dei modelli multimodali al fine di sviluppare soluzioni IA innovative.
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere l'architettura di modelli multimodali come CLIP e Flamingo.
- Preparare e pre-elaborare efficacemente set di dati multimodali.
- Ottimizzare i modelli multimodali per compiti specifici.
- Migliorare le prestazioni dei modelli in ambienti reali.
Ottimizzazione dei modelli per l'elaborazione del linguaggio naturale (NLP)
21 oreSi tratta di un corso intensivo tenuto da istruttori in Italia (online o in sede) rivolto a professionisti di livello intermedio che desiderano migliorare i propri progetti NLP grazie all'ottimizzazione efficace dei modelli linguistici preesistenti.
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere i concetti fondamentali legati all'ottimizzazione per compiti NLP.
- Ottimizzare modelli preaddestrati come GPT, BERT e T5 per applicazioni specifiche nel campo dell'NLP.
- Ottimizzare gli iperparametri al fine di migliorarne le prestazioni.
- Valutare e implementare in contesti reali modelli ottimizzati.
Ottimizzazione di modelli AI per i servizi finanziari: previsione del rischio e rilevamento delle frodi
14 oreQuesto corso formativo pratico, tenuto da istruttori Italia (in modalità online o in presenza), si rivolge a data scientist ed ingegneri AI esperti operanti nel settore finanziario. Il loro obiettivo è ottimizzare i modelli per applicazioni come la valutazione del merito creditizio, il rilevamento delle frodi e la modellazione dei rischi, sfruttando dati finanziari specifici.
Al termine di questo corso i partecipanti saranno in grado di:
- Ottimizzare modelli AI utilizzando insiemi di dati finanziari per migliorare la previsione delle frodi e della rischiosità.
- Applicare tecniche quali il transfer learning, LoRA e la regolarizzazione al fine di ottimizzare l’efficienza dei modelli.
- Integrare le esigenze legate alla conformità normativa nel processo di sviluppo dei modelli AI.
- Implementare i modelli ottimizzati in ambienti produttivi all’interno delle piattaforme finanziarie.
Ottimizzazione di modelli AI per il settore sanitario: Diagnosi medica e analisi predittiva
14 oreQuesto corso pratico con docente in presenza Italia (in modalità online o in sede) è pensato per sviluppatori di AI mediche e data scientist di livello intermedio-avanzato che desiderano ottimizzare modelli per la diagnosi clinica, la previsione delle malattie e l’individuazione dei risultati sanitari, sfruttando dati medici sia strutturati che non strutturati.
Al termine del corso i partecipanti saranno in grado di:
- Ottimizzare modelli AI utilizzando dataset sanitari come cartelle cliniche elettroniche, immagini mediche e dati temporali.
- Applicare tecniche di trasferimento dell’apprendimento, adattamento del dominio e compressione dei modelli nel contesto medico.
- Affrontare temi quali privacy dei dati, riduzione dei bias e conformità normativa nella creazione dei modelli.
- Distribuire e monitorare i modelli ottimizzati negli ambienti sanitari reali.
Ottimizzazione dei modelli DeepSeek LLM per creare soluzioni AI su misura
21 oreQuesto corso pratico, tenuto da istruttori Italia (in modalità online o in presenza), si rivolge a ricercatori di livello avanzato nel campo dell’AI, ingegneri del machine learning e sviluppatori desiderosi di personalizzare i modelli DeepSeek LLM per creare strumenti AI su misura per settori specifici o esigenze aziendali.
Alla fine della formazione, i partecipanti saranno in grado di:
- Comprendere l’architettura e le potenzialità dei modelli DeepSeek, inclusi DeepSeek-R1 e DeepSeek-V3.
- Preparare i dataset e eseguire la pre-elaborazione dei dati necessari per l’ottimizzazione.
- Ottimizzare i modelli DeepSeek LLM in base a requisiti specifici di dominio.
- Ottimizzare e distribuire efficacemente i modelli così ottenuti.
Ottimizzazione degli algoritmi di intelligenza artificiale per sistemi autonomi e sorveglianza
14 oreQuesto corso formativo dal vivo, con docente presente Italia (online o presso la sede), si rivolge a ingegneri esperti di intelligenza artificiale impegnati nella difesa e a sviluppatori di tecnologie militari desiderosi di ottimizzare modelli di deep learning da impiegare in veicoli autonomi, droni e sistemi di sorveglianza, rispettando rigorosi requisiti di sicurezza e affidabilità.
Al termine del corso i partecipanti saranno in grado di:
- Ottimizzare modelli di visione artificiale e di fusione dei dati sensoriali per applicazioni di sorveglianza e individuazione obiettivi.
- Adattare i sistemi di intelligenza artificiale autonoma a ambienti variabili e a diversi profili operativi.
- Implementare meccanismi affidabili di validazione e sicurezza nei flussi di lavoro dei modelli.
- Garantire il rispetto delle normative, dei requisiti di sicurezza e degli standard specifici del settore difesa.
Ottimizzazione di modelli AI per il settore legale: analisi dei contratti e ricerca giuridica
14 oreQuesto corso di formazione dal vivo, condotto da istruttori Italia (online o in presenza), è rivolto a ingegneri specializzati in tecnologie legali e sviluppatori AI di livello intermedio che desiderano ottimizzare modelli linguistici per compiti quali l’analisi dei contratti, l’estrazione delle clausole e la ricerca legale automatizzata negli ambienti giuridici.
Al termine del corso, i partecipanti saranno in grado di:
- Preparare e pulire documenti legali per l’addestramento di modelli NLP.
- Applicare strategie di ottimizzazione per migliorare l’accuratezza dei modelli nei compiti legali.
- Distribuire i modelli in modo da supportare l’analisi, la classificazione e la ricerca contrattuale.
- Garantire conformità, tracciabilità e auditabilità dei risultati generati dall’AI nel contesto legale.
Ottimizzazione di modelli linguistici di grandi dimensioni mediante QLoRA
14 oreQuesto corso formativo, tenuto da istruttori e svolto in modalità live Italia (online o in presenza), è pensato per ingegneri del machine learning, sviluppatori di intelligenza artificiale e data scientist di livello intermedio-avanzato che desiderano apprendere come utilizzare QLoRA per adattare in modo efficiente i modelli linguistici alle proprie necessità specifiche.
Al termine del corso, i partecipanti saranno in grado di:
- Comprendere le basi teoriche di QLoRA e delle tecniche di quantizzazione applicate agli LLM.
- Applicare QLoRA nell’ottimizzazione dei modelli linguistici per ambiti specifici.
- Ottimizzare le prestazioni dell’addestramento impiegando risorse computazionali limitate, grazie alla quantizzazione.
- Distribuire ed eseguire valutazioni sui modelli ottimizzati in contesti reali in modo efficiente.
