Премини към основното съдържание
Български— Изберете език
Меню

Българско издание

Файн-тюнинг на модели на OpenAI

Подгответе вашите данни, обучете, оценете и внедрете файн-тюннат модел за вашата бизнес област. Забележка: Услугата за самостоятелен файн-тюнинг на OpenAI постепенно се затваря (няма да се приемат нови задачи след 6 януари 2027 г.).

16 урока ок. 1 ч 45 мин Напреднало

Какво ще научите

  • Да определите дали файн-тюнингът е оправдан в сравнение с подканването или извличането на документи
  • Да подготвите обучаващ набор от данни в конферсационен JSONL формат, почистен и валидиран
  • Да стартирате обучението чрез API и да коригирате епохите, скоростта на обучение и размера на партидата
  • Да оцените файн-тюннат модел спрямо базовия модел, използвайки A/B тестове и бизнес метрики
  • Да внедрите, версионирате и възстановите предишна версия на файн-тюннат модел, като контролирате разходите

Информация за курса

За кого е
Разработчици, инженери и интегратори, които искат да използват ChatGPT чрез API в своите приложения.
Предварителни изисквания
Доказан опит в разработването на приложения и тяхното внедряване в продукционна среда.
Продължителност
1 ч 45 мин — 16 урока
Формати
100% онлайн курс в собствен темп, достъпен 24/7 от браузър. Прогресът се запазва, възобновяване по всяко време. Приблизителна продължителност: 1 ч 45 мин.
Оценяване
Самооценка въз основа на основните изводи, завършващи всеки урок, и директна практика на примерите върху ваши собствени случаи. Финален тест от 5 въпроса с предоставени отговори в края на последния урок валидира придобитите знания.
Достъпност
Курс в собствен темп, достъпен за хора с увреждания: текстово съдържание, съвместимо с екранни четци, навигация с клавиатура и съответстващи контрасти. За всякакви нужди от адаптиране, пишете на [email protected].
Цена
Безплатно

Уроци

  1. 01 Кога и защо да финално настройвате модел
  2. 02 Подготовка на данните за обучение
  3. 03 Формат на данните: разговори в JSONL
  4. 04 Качество на данните: Почистване и валидиране
  5. 05 Стартиране на фина настройка чрез API
  6. 06 Хиперпараметри: Епохи, Скорост на обучение, Размер на партидата
  7. 07 Мониторинг на обучението
  8. 08 DPO (Direct Preference Optimization)
  9. 09 Файн-тюнинг за извикване на функции
  10. 10 Оценяване на вашия финално настроен модел
  11. 11 Сравнение с базовия модел
  12. 12 A/B тестване и бизнес метрики
  13. 13 Итерации: Кога да преобучавате модел
  14. 14 Разполагане на фино настроен модел
  15. 15 Разходи и оптимизация
  16. 16 Версиониране и връщане към предишни версии