Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Magyar kiadás

OpenAI-modellek finomhangolása

Készítse elő adatait, tanítsa be, értékelje ki és telepítse a saját üzleti területére szabott, finomhangolt modellt. Megjegyzés: Az OpenAI saját szolgáltatású finomhangolása fokozatosan megszűnik (2027. január 6. után új feladatokat nem fogadnak el).

16 lecke kb. 1 óra 45 perc Haladó

Tanulási célok

  • Annak eldöntése, hogy a finomhangolás indokolt-e a promptokkal vagy a dokumentum-visszakereséssel szemben
  • Tanító adatkészlet előkészítése beszélgetés alapú JSONL formátumban, megtisztítva és validálva
  • A betanítás elindítása az API-n keresztül, valamint az epochok, a tanulási ráta és a kötegméret beállítása
  • Finomhangolt modell értékelése az alapmodellel szemben A/B tesztek és üzleti mutatók segítségével
  • Finomhangolt modell telepítése, verziókezelése és egy korábbi verzió visszaállítása a költségek kontrollálása mellett

Tanfolyam-adatlap

Kinek szól
Fejlesztők, mérnökök és integrátorok, akik a ChatGPT-t API-n keresztül szeretnék kiaknázni alkalmazásaikban.
Előfeltételek
Igazolt tapasztalat alkalmazások fejlesztésében és éles környezetbe történő telepítésében.
Időtartam
1 óra 45 perc — 16 lecke
Formátum
100%-ban online, saját tempóban végezhető kurzus, amely böngészőből 0-24 órában elérhető. A haladás mentésre kerül, bármikor folytatható. Becsült időtartam: 1 óra 45 perc.
Értékelés
Önértékelés az egyes leckéket lezáró fő tanulságok alapján, valamint a példák közvetlen gyakorlása saját eseteken. Az utolsó lecke végén található 5 kérdésből álló záró kvíz, amelynek válaszai szintén ott találhatók, hitelesíti a megszerzett tudást.
Akadálymentesség
Saját tempóban végezhető kurzus, amely fogyatékkal élő személyek számára is hozzáférhető: a szöveges tartalom kompatibilis a képernyőolvasókkal, támogatja a billentyűzetes navigációt és megfelel a kontrasztkövetelményeknek. Bármilyen igény esetén kérjük, írjon a [email protected] címre.
Ár
Ingyenes

A tanfolyam tartalma

  1. 01 Mikor és miért érdemes modellt finomhangolni?
  2. 02 Az betanítási adatok előkészítése
  3. 03 Adatformátum: JSONL beszélgetések
  4. 04 Adatminőség: tisztítás és validálás
  5. 05 A finomhangolás elindítása az API-n keresztül
  6. 06 Hiperparaméterek: Epochok, tanulási ráta, batch size
  7. 07 Képzés figyelése
  8. 08 DPO (Direct Preference Optimization)
  9. 09 Finomhangolás függvényhíváshoz
  10. 10 A finomhangolt modell kiértékelése
  11. 11 Összehasonlítás az alapmodellel
  12. 12 A/B tesztelés és üzleti mutatók
  13. 13 Iterálás: mikor érdemes újra finomhangolni
  14. 14 Egy finomhangolt modell üzembe helyezése
  15. 15 Költségek és optimalizálás
  16. 16 Verziókezelés és visszagörgetés