Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Dansk udgave

Finjustering af OpenAI-modeller

Forbered dine data, træn, evaluer og indsæt en finjusteret model til dit forretningsdomæne. Bemærk: OpenAIs selvbetjente finjustering lukkes gradvist (ingen nye job accepteres efter 6. januar 2027).

16 lektioner ca. 1 t 45 min Avanceret

Hvad du lærer

  • Afgøre om finjustering er berettiget i forhold til prompting eller dokumenthentning
  • Forberede et træningssæt i konversationelt JSONL-format, renset og valideret
  • Starte træning via API'et og justere epochs, læringshastighed og batch-størrelse
  • Evaluere en finjusteret model i forhold til basismodellen ved hjælp af A/B-tests og forretningsmæssige nøgletal
  • Indsætte, versionere og gendanne en tidligere version af en finjusteret model under kontrol af omkostninger

Kursusark

Målgruppe
Udviklere, ingeniører og integratorer, der ønsker at udnytte ChatGPT via API i deres applikationer.
Forudsætninger
Dokumenteret erfaring med applikationsudvikling og indsættelse i produktion.
Varighed
1 t 45 min — 16 lektioner
Formater
100 % online selvstyret kursus, tilgængeligt 24/7 fra en browser. Fremdrift gemmes, genoptag når som helst. Estimeret varighed: 1 t 45 min.
Vurdering
Selvbedømmelse baseret på de vigtigste pointer, der afslutter hver lektion, og direkte praksis med eksemplerne på dine egne eksempler. En afsluttende quiz med 5 spørgsmål med svar angivet i slutningen af den sidste lektion validerer den erhvervede viden.
Tilgængelighed
Selvstyret kursus tilgængeligt for personer med handicap: tekstindhold kompatibelt med skærmlæsere, tastaturnavigation og overholdelse af kontraster. For eventuelle behov for tilpasning, send en e-mail til [email protected].
Pris
Gratis

Kursets indhold

  1. 01 Hvornår og hvorfor du bør finjustere en model
  2. 02 Forbered dine træningsdata
  3. 03 Dataformat: JSONL-samtaler
  4. 04 Datakvalitet: Rensning og validering
  5. 05 Start finjustering via API'en
  6. 06 Hyperparametre: Epochs, Learning Rate, Batch Size
  7. 07 Overvågning af træning
  8. 08 DPO (Direct Preference Optimization)
  9. 09 Fine-tuning til funktionskald
  10. 10 Evaluér din finjusterede model
  11. 11 Sammenlign med basismodellen
  12. 12 A/B-test og forretningsmål
  13. 13 Iteration: Hvornår skal du finjustere igen?
  14. 14 Deploy en finjusteret model
  15. 15 Omkostninger og optimering
  16. 16 Versionering og tilbagerulning