Podstawy dużych modeli językowych: Fine-Tuning i RAG

Duże modele językowe zmieniają sposób, w jaki budujemy inteligentne aplikacje, ale zrozumienie, jak skutecznie je dostosowywać i wdrażać, wymaga solidnego zrozumienia podstawowych pojęć.Ten kurs tekstowy prowadzi od podstawowych zasad AI do zaawansowanych technik optymalizacji. Będziesz przechodzić od ciekawskiego ucznia do praktyka zdolnego do wybierania, dostrajania i integrowania modeli językowych open source.Badając szczegółowe podziały koncepcyjne i implementacje kodu, nauczysz się, jak dostosowywać modele do określonych domen biznesowych i kontrolować ich wyjścia. Co się nauczysz: Zrozumienie podstawowej architektury modeli językowych opartych na transformatorach i sposobu przetwarzania tekstu; Zastosuj nowoczesne techniki inżynierii promptowej, aby niezawodnie kierować wyjściami modelu; Dostroić wstępnie wyszkolone modele za pomocą metod parametrycznych, takich jak LoRA i QLoRA; Konfiguruj potoki Retrieval-Augmented Generation (RAG) za pomoca Ocenić wydajność modelu i zoptymalizować szybkość wnioskowania dla scenariuszy produkcyjnych.Kurs rozpoczyna się od podstawowej terminologii i mechaniki tokenizacji, a następnie przechodzi stopniowo przez praktyczne strategie dostrajania i nowoczesne architektury RAG. Ten kurs jest przeznaczony dla programistów, entuzjastów danych i początkujących techników, którzy chcą budować z generatywną sztuczną inteligencją; nie jest wymagane wcześniejsze doświadczenie w uczeniu maszynowym, chociaż pomocna jest podstawowa znajomość Pythona.