Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Edizione in italiano

Affinamento dei modelli OpenAI

Prepara i dati, addestra, valuta e distribuisci un modello affinato per il tuo dominio aziendale. Nota: l'affinamento self-service di OpenAI sta gradualmente chiudendo (nessun nuovo lavoro accettato dopo il 6 gennaio 2027).

16 lezioni ca. 1 h 45 min Avanzato

Cosa imparerai

  • Determinare se l'affinamento è giustificato rispetto al prompting o al recupero di documenti
  • Preparare un dataset di addestramento in formato JSONL conversazionale, pulito e convalidato
  • Avviare l'addestramento tramite API e regolare epoche, learning rate e dimensione del batch
  • Valutare un modello affinato rispetto al modello base utilizzando test A/B e metriche aziendali
  • Distribuire, versionare e ripristinare una versione precedente di un modello affinato controllando i costi

Scheda del corso

Destinatari
Sviluppatori, ingegneri e integratori che intendono sfruttare ChatGPT tramite API nelle loro applicazioni.
Prerequisiti
Esperienza comprovata nello sviluppo e nella distribuzione di applicazioni in produzione.
Durata
1 h 45 min — 16 lezioni
Modalità
Corso online 100% autonomo, accessibile 24/7 da browser. I progressi vengono salvati, riprendi quando vuoi. Durata stimata: 1 h 45 min.
Valutazione
Autovalutazione basata sui punti chiave che concludono ogni lezione e pratica diretta degli esempi sui tuoi casi d'uso. Un quiz finale di 5 domande con risposte fornite alla fine dell'ultima lezione convalida le conoscenze acquisite.
Accessibilità
Corso autonomo accessibile a persone con disabilità: contenuto testuale compatibile con screen reader, navigazione da tastiera e contrasti conformi. Per eventuali esigenze di accomodamento, scrivi a [email protected].
Prezzo
Gratis

Contenuto del corso

  1. 01 Quando e perché eseguire il fine-tuning di un modello
  2. 02 Prepara i tuoi dati di addestramento
  3. 03 Formato dati: conversazioni JSONL
  4. 04 Qualità dei dati: pulizia e convalida
  5. 05 Avviare il Fine-Tuning tramite API
  6. 06 Iperparametri: Epoche, Learning Rate, Batch Size
  7. 07 Monitoraggio dell'addestramento
  8. 08 DPO (Direct Preference Optimization)
  9. 09 Fine-tuning per il function calling
  10. 10 Valuta il tuo modello fine-tunato
  11. 11 Confronto con il modello base
  12. 12 Test A/B e metriche aziendali
  13. 13 Iterazione: quando eseguire un nuovo fine-tuning
  14. 14 Déployer un modèle fine-tuné
  15. 15 Costi e ottimizzazione
  16. 16 Versioning et Rollback