Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Edição em português

Afinamento de Modelos OpenAI

Prepare os seus dados, treine, avalie e implemente um modelo afinado para o seu domínio empresarial. Nota: o serviço de afinamento self-service da OpenAI está gradualmente a ser encerrado (não serão aceites novas tarefas após 6 de janeiro de 2027).

16 aulas ca. 1 h 45 min Avancado

O que vai aprender

  • Determinar se o afinamento é justificado em comparação com a criação de prompts ou a recuperação de documentos
  • Preparar um conjunto de dados de treino em formato JSONL conversacional, limpo e validado
  • Iniciar o treino via API e ajustar épocas, taxa de aprendizagem e tamanho do lote
  • Avaliar um modelo afinado face ao modelo base utilizando testes A/B e métricas empresariais
  • Implementar, versionar e restaurar uma versão anterior de um modelo afinado, controlando os custos

Ficha do curso

Destinatários
Programadores, engenheiros e integradores que pretendam aproveitar o ChatGPT via API nas suas aplicações.
Pré-requisitos
Experiência comprovada no desenvolvimento e implementação de aplicações em produção.
Duração
1 h 45 min — 16 aulas
Modalidades
Curso 100% online e auto ritmo, acessível 24/7 através de um navegador. O progresso é guardado, podendo retomar a qualquer momento. Duração estimada: 1 h 45 min.
Avaliação
Autoavaliação baseada nos pontos-chave que concluem cada lição e prática direta dos exemplos nos seus próprios casos. Um questionário final de 5 perguntas, com respostas fornecidas no final da última lição, valida os conhecimentos adquiridos.
Acessibilidade
Curso auto ritmo acessível a pessoas com deficiência: conteúdo de texto compatível com leitores de ecrã, navegação por teclado e contrastes conformes. Para quaisquer necessidades de acomodação, envie um e-mail para [email protected].
Preço
Gratis

Conteúdo do curso

  1. 01 Quando e Porquê Fazer Fine-Tuning de um Modelo
  2. 02 Preparar os Seus Dados de Formação
  3. 03 Formato de dados: conversas em JSONL
  4. 04 Qualidade dos Dados: Limpeza e Validação
  5. 05 Iniciar o Ajuste Fino através da API
  6. 06 Hiperparâmetros: Épocas, Taxa de Aprendizagem, Tamanho do Lote
  7. 07 Monitorização do Treino
  8. 08 DPO (Otimização Direta de Preferências)
  9. 09 Ajuste fino para chamada de funções
  10. 10 Avaliar o Seu Modelo Ajustado
  11. 11 Comparar com o Modelo Base
  12. 12 Testes A/B e Métricas de Negócio
  13. 13 Iteração: Quando Voltar a Ajustar o Modelo
  14. 14 Implementar um modelo ajustado
  15. 15 Custos e Otimização
  16. 16 Versionamento e Reversão