Latvijas izdevums
OpenAI modeļu smalkā noregulēšana
Sagatavojiet savus datus, apmāciet, novērtējiet un izvietoiet smalki noregulētu modeli savam biznesa domēnam. Piezīme: OpenAI pašapkalpošanās smalkā noregulēšana pakāpeniski tiek slēgta (jauni uzdevumi netiks pieņemti pēc 2027. gada 6. janvāra).
16 nodarbību ca. 1 h 45 min Augstākais
Ko jūs apgūsiet
- Noteikt, vai smalkā noregulēšana ir attaisnota, salīdzinot ar uzdevumu formulēšanu vai dokumentu izgūšanu
- Sagatavot apmācības datu kopu sarunu JSONL formātā, attīrītu un validētu
- Uzsākt apmācību, izmantojot API, un pielāgot epochas, mācīšanās ātrumu un kopas lielumu
- Novērtēt smalki noregulētu modeli, salīdzinot to ar bāzes modeli, izmantojot A/B testus un biznesa metrikas
- Izvietot, veidot versijas un atjaunot iepriekšēju smalki noregulēta modeļa versiju, vienlaikus kontrolējot izmaksas
Kursa kartīte
- Kam paredzēts
- Izstrādātāji, inženieri un integratori, kas vēlas izmantot ChatGPT, izmantojot API, savās lietotnēs.
- Priekšnosacījumi
- Pierādīta pieredze lietotņu izstrādē un izvietošanā produkcijā.
- Ilgums
- 1 h 45 min — 16 nodarbību
- Formāti
- 100% tiešsaistes pašmācību kurss, pieejams 24/7 no pārlūkprogrammas. Progress tiek saglabāts, atsākiet jebkurā laikā. Paredzamais ilgums: 1 h 45 min.
- Novērtējums
- Pašnovērtējums, balstīts uz galvenajiem secinājumiem, kas noslēdz katru nodarbību, un piemēru tieša praktizēšana ar jūsu pašu piemēriem. Noslēguma tests ar 5 jautājumiem, kuru atbildes sniegtas pēdējās nodarbības beigās, apstiprina iegūtās zināšanas.
- Pieejamība
- Pašmācību kurss, kas pieejams personām ar invaliditāti: teksta saturs saderīgs ar ekrāna lasītājiem, navigācija ar tastatūru un atbilstoši kontrasti. Jebkuru pielāgošanas vajadzību gadījumā rakstiet uz [email protected].
- Cena
- Gratis
Kursa saturs
- 01 Kad un kāpēc pielāgot modeli
- 02 Sagatavo savu apmācības datus
- 03 Datņu formāts: JSONL sarunas
- 04 Datu kvalitāte: tīrīšana un validācija
- 05 Palaiž smalko noregulēšanu, izmantojot API
- 06 Hiperparametri: epohas, mācīšanās temps, kopas lielums
- 07 Apmācības uzraudzība
- 08 DPO (Direct Preference Optimization)
- 09 Smalkā noregulēšana funkciju izsaukšanai
- 10 Novērtē savu smalki noregulēto modeli
- 11 Salīdzināšana ar bāzes modeli
- 12 Testi A/B un biznesa metrikas
- 13 Iterācija: kad atkārtoti pielāgot modeli
- 14 Déploiement d'un modèle affiné
- 15 Izmaksas un optimizācija
- 16 Versionēšana un atgriešanās iepriekšējā versijā