Έκδοση στα ελληνικά
Fine-tuning μοντέλων OpenAI
Ετοιμάστε τα δεδομένα σας, εκπαιδεύστε, αξιολογήστε και αναπτύξτε σε παραγωγή ένα fine-tuned μοντέλο για τον επαγγελματικό σας τομέα. Σημείωση: το self-service fine-tuning της OpenAI κλείνει σταδιακά — δεν γίνονται δεκτά νέα jobs εκπαίδευσης μετά τις 6 Ιανουαρίου 2027.
16 μαθήματα περίπου 1 ώρα 45 λεπτά Προχωρημένος
Τι θα μάθετε
- Αξιολογήστε αν το fine-tuning δικαιολογείται μπροστά στο prompting ή στην ανάκτηση εγγράφων
- Ετοιμάστε ένα dataset εκπαίδευσης σε συνομιλιακό JSONL, καθαρό και επαληθευμένο
- Ξεκινήστε την εκπαίδευση μέσω API και ρυθμίστε epochs, learning rate και batch size
- Συγκρίνετε ένα fine-tuned μοντέλο με το βασικό μοντέλο μέσω A/B tests και επιχειρηματικών μετρικών
- Κάνετε deployment, έκδοση και επαναφορά παλαιότερης έκδοσης ενός fine-tuned μοντέλου, ελέγχοντας το κόστος
Στοιχεία προγράμματος
- Σε ποιους απευθύνεται
- Προγραμματιστές, μηχανικοί και integrators που θέλουν να αξιοποιήσουν το ChatGPT μέσω API στις εφαρμογές τους.
- Προαπαιτούμενα
- Τεκμηριωμένη εμπειρία στην ανάπτυξη εφαρμογών και στο deployment τους σε παραγωγικό περιβάλλον.
- Διάρκεια
- 1 ώρα 45 λεπτά — 16 μαθήματα
- Μορφές παράδοσης
- Εξ ολοκλήρου online αυτόνομη κατάρτιση, διαθέσιμη 24/7 από φυλλομετρητή. Η πρόοδος αποθηκεύεται και συνεχίζετε όποτε θέλετε. Εκτιμώμενη διάρκεια: 1 ώρα 45 λεπτά
- Αξιολόγηση
- Αυτοαξιολόγηση με βάση τα Βασικά σημεία που ολοκληρώνουν κάθε μάθημα, και άμεση εξάσκηση των παραδειγμάτων στα δικά σας δεδομένα. Ένα τελικό κουίζ 5 ερωτήσεων με απαντήσεις, στο τέλος του τελευταίου μαθήματος, επιβεβαιώνει τις γνώσεις που αποκτήσατε.
- Προσβασιμότητα
- Κατάρτιση σε δικό σας ρυθμό, προσβάσιμη σε άτομα με αναπηρία: περιεχόμενο συμβατό με αναγνώστες οθόνης, πλοήγηση με πληκτρολόγιο και χρωματική αντίθεση σύμφωνη με τις προδιαγραφές. Για οποιαδήποτε ανάγκη προσαρμογής, γράψτε στο [email protected].
- Τιμή
- Δωρεάν
Περιεχόμενο προγράμματος
- 01 Πότε και γιατί να κάνετε fine-tuning σε ένα μοντέλο
- 02 Προετοιμάστε τα Δεδομένα Εκπαίδευσής σας
- 03 Μορφή δεδομένων: Συνομιλίες JSONL
- 04 Ποιότητα Δεδομένων: Καθαρισμός και Επικύρωση
- 05 Εκκίνηση Βελτιστοποίησης μέσω API
- 06 Υπερπαράμετροι: Εποχές, Ρυθμός Μάθησης, Μέγεθος Παρτίδας
- 07 Παρακολούθηση Εκπαίδευσης
- 08 DPO (Direct Preference Optimization)
- 09 Βελτιστοποίηση για κλήση συναρτήσεων
- 10 Αξιολόγηση του Μοντέλου σας μετά το Fine-Tuning
- 11 Σύγκριση με το Βασικό Μοντέλο
- 12 Δοκιμές A/B και Επιχειρηματικοί Δείκτες
- 13 Επαναληπτική βελτίωση: Πότε να κάνετε εκ νέου Fine-Tuning
- 14 Ανάπτυξη μοντέλου με προσαρμογή
- 15 Κόστη και Βελτιστοποίηση
- 16 Έκδοση και Επαναφορά