Cursusaanbod

Inleiding tot fine-tuning

  • Wat is finetuning?
  • Gebruiksscenario's en voordelen van fine-tuning
  • Overzicht van vooraf getrainde modellen en transfer learning

Voorbereiden op fine-tuning

  • Datasets verzamelen en opschonen
  • Inzicht in taakspecifieke gegevensvereisten
  • Verkennende data-analyse en voorbewerking

Fine-tuning technieken

  • Leren overdragen en functie-extractie
  • Fijnafstelling van transformatoren met Hugging Face
  • Fine-tuning voor taken onder toezicht versus taken zonder toezicht

Fijnafstelling Large Language Models (LLMs)

  • LLM's aanpassen voor NLP-taken (bijv. tekstclassificatie, samenvatting)
  • LLM's trainen met aangepaste datasets
  • LLM-gedrag beheersen met prompt engineering

Optimalisatie en evaluatie

  • Hyperparameter afstemming
  • Modelprestaties evalueren
  • Overfitting en underfitting aanpakken

Schaalvergroting van fine-tuning-inspanningen

  • Fine-tuning op gedistribueerde systemen
  • Gebruikmaken van cloudgebaseerde oplossingen voor schaalbaarheid
  • Casestudy's: Grootschalige fine-tuning projecten

Best practices en uitdagingen

  • Best practices voor het verfijnen van succes
  • Veelvoorkomende uitdagingen en probleemoplossing
  • Ethische overwegingen bij het verfijnen van AI-modellen

Geavanceerde onderwerpen (optioneel)

  • Multimodale modellen finetunen
  • Zero-shot en few-shot leren
  • Onderzoek naar LoRA (Low-Rank Adaptation) technieken

Samenvatting en volgende stappen

Vereisten

  • Inzicht in de basisprincipes van machine learning
  • Ervaring met Python programmeren
  • Bekendheid met vooraf getrainde modellen en hun toepassingen

Audiëntie

  • Datawetenschappers
  • Ingenieurs voor machine learning
  • AI-onderzoekers
 14 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën