Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Slovenska izdaja

Produkcija: Serije, optimizacija in opazovanje

Prehod v produkcijo: sklepanje v serijah do 1 milijon zahtev, predvideni izhodi, citati z viri in opazovanje (sledi, sodniki, offline evalvacije).

16 lekcij pribl. 1 h 15 min Napredni

Kaj se boste naučili

  • Priprava opravila sklepanja v serijah v formatu JSONL, sledenje njegovemu stanju in pridobivanje rezultatov
  • Zmanjšanje zakasnitve odzivov s predvidenimi izhodi pri nalogah prepisovanja
  • Implementacija citatov z referenčnim objektom za utemeljitev odgovorov v njihovih virih
  • Sledenje aplikaciji z OpenTelemetry, raziskovanje produkcijskih sledi in avtomatizacija evalvacije s sodniki LLM
  • Izgradnja podatkovnih nizov iz sledi in merjenje vsake različice z offline evalvacijami

Podatki o tečaju

Za kogo je namenjeno
Razvijalci, inženirji in integratorji, ki želijo uporabljati Mistral AI prek API-ja v svojih aplikacijah.
Predpogoji
Dokazane izkušnje z razvojem aplikacij in njihovo uvedbo v produkcijo.
Trajanje
1 h 15 min — 16 lekcij
Oblika izvedbe
100 % spletni tečaj v lastnem tempu, dostopen 24/7 iz brskalnika. Napredek je shranjen in lahko ga kadar koli nadaljujete. Predvideno trajanje: 1 h 15 min.
Preverjanje znanja
Samoocenjevanje na podlagi ključnih spoznanj, ki zaključujejo vsako lekcijo, in neposredna vaja primerov na vaših lastnih primerih. Končni kviz s 5 ocenjenimi vprašanji na koncu zadnje lekcije potrdi vaše znanje.
Dostopnost
Tečaj je dostopen osebam z invalidnostjo: besedilna vsebina je združljiva z bralniki zaslona, navigacijo s tipkovnico in skladnim barvnim kontrastom. Za morebitne potrebe po prilagoditvah pišite na [email protected].
Cena
Gratis

Vsebina tečaja

  1. 01 Sklepanje v serijah: zakaj, kdaj in prihranki
  2. 02 Format JSONL, custom_id in nalaganje datotek
  3. 03 Ustvari paketno opravilo, spremljaj stanje in prenesi rezultate
  4. 04 Paketno obdelovanje v kodi: do 10.000 zahtevkov brez datoteke
  5. 05 Zmanjšanje zakasnitve s predvidenimi izpisi
  6. 06 Primeri uporabe napovedanih izhodov v praksi
  7. 07 Implementacija napovedanih izhodov v Pythonu
  8. 08 Citati z viri: predmet reference in RAG
  9. 09 Implementacija citatov v Pythonu
  10. 10 Utemeljitev odgovorov v virih in zmanjšanje halucinacij
  11. 11 Uvod v opazljivost: sledi, sodniki in evalvacije
  12. 12 Raziskovanje: Iskanje in pregled sledi v proizvodnji
  13. 13 Sodniki: Avtomatizirano vrednotenje LLM
  14. 14 Évaluations hors ligne : mesurez avant de déployer
  15. 15 Nabori podatkov: izgradnja evalvacijskih nizov in iteracije
  16. 16 Cevovod od začetka do konca: sledi, ocenjevalci, nabori podatkov, evalvacije