Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Lietuviška laida

OpenAI modelių tikslinimas

Paruoškite duomenis, apmokykite, įvertinkite ir įdiekite tikslintą modelį, pritaikytą jūsų verslo sričiai. Pastaba: savarankiškas OpenAI tikslinimas pamažėle uždaromas – nauji darbai nebeimami nuo 2027 m. sausio 6 d.

16 paskaitų maždaug 1 val. 45 min Pažengusiems

Ko išmoksite

  • Nustatyti, ar tikslinimas pateisintas, palyginti su promptinimu ar dokumentų paėmimu
  • Paruošti mokymo duomenų rinkinį pokalbių JSONL formatu — švarų ir patikrintą
  • Paleisti mokymą per API ir reguliuoti epochas, learning rate bei partijos dydį
  • Įvertinti patikslintą modelį prieš bazinį naudojant A/B testus ir verslo metrikas
  • Diegti, versijuoti ir prireikus atkurti ankstesnę patikslinto modelio versiją kontroliuojant kaštus

Kurso kortelė

Kam skirta
Programėlių kūrėjai, inžinieriai ir integratoriai, kurie savo programose naudoja ChatGPT per API.
Būtinos žinios
Patvirtita patirtis kuriant ir diegiant programines aplikacijas gamybos aplinkoje.
Trukmė
1 val. 45 min — 16 paskaitų
Formatas
100 % nuotolinis savarankiško mokymosi kursas, prieinamas 24/7 per naršyklę. Eiga išsaugoma, galima tęsti bet kada. Numatoma trukmė: 1 val. 45 min.
Vertinimas
Savisvertinimas pagal kiekvieną pamoką užbaigiančius pagrindinius punktus ir tiesioginis pavyzdžių taikymas savo naudos atvejuose. Baigiamasis 5 klausimų testas su pateiktais atsakymais po paskutinės pamokos patvirtina įgytas žinias.
Prieinamumas
Savarankiškas kursas pritaikytas žmonėms su negalia: tekstų turinys suderinamas su ekrano skaitytuvais, naršymas klaviatūra ir atitinkamas kontrastas. Dėl pritaikymo poreikių atsiųskite el. laišką adresu [email protected].
Kaina
Nemokama

Kurso turinys

  1. 01 Kada ir kodėl derinti modelį
  2. 02 Paruoškite savo mokymo duomenis
  3. 03 Duomenų formatas: JSONL pokalbiai
  4. 04 Duomenų kokybė: valymas ir tikrinimas
  5. 05 Paleisti derinimą per API
  6. 06 Hiperparametrai: epoch'ai, mokymosi greitis, grupės dydis
  7. 07 Mokymų stebėsena
  8. 08 DPO (Direct Preference Optimization)
  9. 09 Derinimas funkcijų iškvietimui
  10. 10 Įvertinkite savo derintą modelį
  11. 11 Palyginimas su baziniu modeliu
  12. 12 A/B testavimas ir verslo metrikos
  13. 13 Kartojimas: kada iš naujo derinti modelį
  14. 14 Déployer un modèle affiné
  15. 15 Išlaidos ir optimizavimas
  16. 16 Versijonavimas ir grįžimas į ankstesnę versiją