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