Nederlandstalige editie
Fine-tuning van OpenAI-modellen
Bereid uw gegevens voor, train, evalueer en implementeer een fine-getuned model voor uw bedrijfsdomein. Opmerking: de selfservice fine-tuning van OpenAI wordt geleidelijk afgesloten (geen nieuwe taken geaccepteerd na 6 januari 2027).
16 lessen ca. 1 u 45 min Gevorderd
Wat u leert
- Bepalen of fine-tuning gerechtvaardigd is in vergelijking met prompting of documentophaling
- Een trainingsdataset voorbereiden in conversatie-JSONL-formaat, gereinigd en gevalideerd
- Training starten via de API en epochs, leersnelheid en batchgrootte aanpassen
- Een fine-getuned model evalueren tegen het basismodel met behulp van A/B-tests en bedrijfsmetrieken
- Een fine-getuned model implementeren, versiebeheer toepassen en een vorige versie herstellen terwijl de kosten onder controle worden gehouden
Cursusoverzicht
- Voor wie
- Ontwikkelaars, engineers en integrators die ChatGPT via API in hun toepassingen willen benutten.
- Vereisten
- Bewezen ervaring in applicatieontwikkeling en implementatie naar productie.
- Duur
- 1 u 45 min — 16 lessen
- Modaliteiten
- 100% online zelfgestuurd cursus, 24/7 toegankelijk via een browser. De voortgang wordt opgeslagen, u kunt op elk moment hervatten. Geschatte duur: 1 u 45 min.
- Toetsing
- Zelfevaluatie op basis van de kernpunten die elke les afsluiten, en directe praktijk van de voorbeelden op uw eigen casussen. Een eindquiz van 5 vragen met antwoorden aan het einde van de laatste les valideert de verworven kennis.
- Toegankelijkheid
- Zelfgestuurde cursus toegankelijk voor personen met een handicap: tekstinhoud compatibel met schermlezers, toetsenbordnavigatie en conforme contrasten. Voor eventuele aanpassingsbehoeften, e-mail naar [email protected].
- Prijs
- Gratis
Inhoud van de cursus
- 01 Wanneer en waarom u een model moet fine-tunen
- 02 Uw trainingsdata voorbereiden
- 03 Data-indeling: JSONL-gesprekken
- 04 Kwaliteit van gegevens: opschonen en valideren
- 05 Fine-tuning starten via de API
- 06 Hyperparameters: Epochs, Learning Rate, Batch Size
- 07 Monitoring van de training
- 08 DPO (Direct Preference Optimization)
- 09 Fine-tuning voor function calling
- 10 Uw fine-getuned model evalueren
- 11 Vergelijken met het basismodel
- 12 A/B-testen en zakelijke metrics
- 13 Itereren: wanneer u opnieuw moet fine-tunen
- 14 Een fine-getuned model implementeren
- 15 Kosten en optimalisatie
- 16 Versioning en Rollback