วิศวกรรม AI: การปรับแต่ง Open-Source LLMs ด้วย QLoRA และ AWS

โมเดลปัญญาประดิษฐ์ทั่วไปมักขาดความรู้เฉพาะทางที่จำเป็นสำหรับงานธุรกิจเฉพาะทาง เพื่อเชื่อมช่องว่างนี้ วิศวกร AI สมัยใหม่ต้องรู้วิธีปรับใช้โมเดลโอเพนซอร์สโดยใช้เทคนิคการปรับแต่งที่มีประสิทธิภาพและคุ้มค่า หลักสูตรแบบข้อความนี้จะแนะนำคุณทีละขั้นตอนตลอดกระบวนการปรับแต่งโมเดลภาษาขนาดใหญ่ (LLMs) บนชุดข้อมูลที่คุณกำหนดเอง เมื่อสำเร็จหลักสูตรนี้ คุณจะเข้าใจกลไกของการปรับแต่งโมเดล เรียนรู้วิธีเพิ่มประสิทธิภาพโมเดลด้วยทรัพยากรการประมวลผลที่น้อยที่สุด และได้รับทักษะในการปรับใช้โมเดลของคุณเพื่อใช้งานจริง ด้วยคำอธิบายที่เป็นลายลักษณ์อักษรโดยละเอียดและตัวอย่างโค้ดที่ชัดเจน คุณจะได้รับความเข้าใจเชิงปฏิบัติเกี่ยวกับเวิร์กโฟลว์การปรับใช้ AI สมัยใหม่ สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจสถาปัตยกรรมหลักของ LLMs และพื้นฐานของการปรับแต่ง - ประยุกต์ใช้เทคนิค Parameter-Efficient Fine-Tuning (PEFT) โดยเน้นที่ LoRA และ QLoRA - เตรียมและจัดรูปแบบชุดข้อมูลที่กำหนดเองคุณภาพสูงสำหรับการฝึกอบรม - กำหนดค่าไปป์ไลน์การฝึกอบรมโดยใช้ไลบรารีโอเพนซอร์สและ PyTorch - ปรับใช้โมเดลที่ปรับแต่งแล้วบน AWS SageMaker สำหรับการอนุมานที่ปรับขนาดได้ - สร้างส่วนต่อประสานผู้ใช้แบบโต้ตอบด้วย Streamlit เพื่อแสดง LLMs ที่คุณกำหนดเอง หลักสูตรเริ่มต้นด้วยคำศัพท์ที่จำเป็น แนวคิดพื้นฐาน และคำจำกัดความพื้นฐาน ก่อนที่จะเข้าสู่การเตรียมชุดข้อมูล การกำหนดค่าการฝึกอบรม และกลยุทธ์การปรับใช้ คุณจะได้เรียนรู้จากการอ่านคำอธิบายที่ครอบคลุมและการศึกษาตัวอย่างโค้ดที่ใช้งานได้จริงและพร้อมสำหรับการผลิต หลักสูตรนี้ออกแบบมาสำหรับนักพัฒนาซอฟต์แวร์ ผู้ปฏิบัติงานด้านข้อมูล และผู้ที่ชื่นชอบเทคโนโลยีที่ต้องการเข้าสู่สาขาวิศวกรรม AI ไม่จำเป็นต้องมีประสบการณ์มาก่อนกับโมเดลแมชชีนเลิร์นนิงหรือการปรับใช้บนคลาวด์ ทำให้เป็นจุดเริ่มต้นที่สมบูรณ์แบบสำหรับผู้เริ่มต้น เริ่มอ่านวันนี้เพื่อปลดล็อกพลังของปัญญาประดิษฐ์ที่กำหนดเอง