Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Suomenkielinen versio

Tuotanto: Eräajo, optimointi ja havainnollistaminen

Siirry tuotantoon: eräpäätelmät jopa 1 miljoonaan pyyntöön, ennustetut tulosteet, lähdeviitteet ja havainnollistaminen (jäljitykset, arvioijat, offline-arvioinnit).

16 oppituntia noin 1 h 15 min Edistynyt

Mitä opit

  • Valmistele eräpäätelmätyö JSONL-muodossa, seuraa sen tilaa ja nouda tulokset
  • Vähennä vasteen viivettä ennustetuilla tulosteilla uudelleenkirjoitustehtävissä
  • Toteuta viitteet viiteobjektilla perustaaksesi vastaukset lähteisiinsä
  • Jäljitä sovellus OpenTelemetryllä, tutki tuotantojäljityksiä ja automatisoi arviointi LLM-arvioijilla
  • Rakenna aineistoja jäljityksistä ja mittaa jokaista versiota offline-arvioinneilla

Kurssin tiedot

Kenelle
Kehittäjät, insinöörit ja integraattorit, jotka haluavat käyttää Mistral AI:ta sovelluksissaan API:n kautta.
Esitiedot
Näytetty kokemus sovellusten kehittämisestä ja niiden käyttöönotosta tuotantoympäristössä.
Kesto
1 h 15 min — 16 oppituntia
Toteutustavat
100 % verkkokurssi, itseohjautuva, käytettävissä 24/7 selaimesta. Edistyminen tallentuu, ja voit jatkaa milloin tahansa. Arvioitu kesto: 1 h 15 min.
Arviointi
Itsearviointi, joka perustuu kunkin oppitunnin päättäviin keskeisiin oppeihin, sekä esimerkkien suora harjoittelu omilla aineistoillasi. Viimeisen oppitunnin lopussa oleva 5 arvostellun kysymyksen loppukoe vahvistaa oppimisesi.
Esteettömyys
Kurssi on saavutettavissa vammaisille henkilöille: tekstisisältö yhteensopiva ruudunlukijoiden kanssa, näppäimistönavigointi ja värikontrasti vaatimusten mukainen. Ota yhteyttä sähköpostitse [email protected], jos tarvitset mukautuksia.
Hinta
Ilmainen

Kurssin sisältö

  1. 01 Päättely eräajona: miksi, milloin ja kustannussäästöt
  2. 02 Formaat JSONL, custom_id ja tiedoston lataus
  3. 03 Luo eräajo, seuraa tilaa ja lataa tulokset
  4. 04 Inline Batching: jopa 10 000 pyyntöä ilman tiedostoa
  5. 05 Vähennä viivettä ennustettujen tulosteiden avulla
  6. 06 Käytännön käyttötapaukset ennustetuille tulosteille
  7. 07 Toteuta ennustetut tulosteet Pythonilla
  8. 08 Lainaukset lähteineen: Viiteobjekti ja RAG
  9. 09 Toteuta viittaukset Pythonilla
  10. 10 Perustele vastaukset lähteisiin ja vähennä hallusinaatioita
  11. 11 Johdanto havainnoitavuuteen: jäljitykset, tuomarit ja arvioinnit
  12. 12 Tutustu: Tuotantoseurantojen haku ja tarkastelu
  13. 13 Tuomarit: LLM-arvioinnin automatisointi
  14. 14 Évaluations hors ligne : mesurer avant de déployer
  15. 15 Datasets: Rakenna arviointijoukkoja ja iteroi
  16. 16 Putki päästä päähän: jäljet, arvioijat, aineistot, arvioinnit