Programa do Curso

Introdução à afinação fina

  • O que é a afinação fina?
  • Casos de utilização e vantagens da afinação fina
  • Visão geral dos modelos pré-treinados e da aprendizagem por transferência

Preparação para a afinação

  • Recolha e limpeza de conjuntos de dados
  • Compreender os requisitos de dados específicos da tarefa
  • Análise exploratória de dados e pré-processamento

Técnicas de afinação

  • Aprendizagem por transferência e extração de caraterísticas
  • Transformadores de afinação com Hugging Face
  • Afinação para tarefas supervisionadas e não supervisionadas

Afinação fina Large Language Models (LLMs)

  • Adaptação de LLMs para tarefas de PLN (por exemplo, classificação de texto, resumo)
  • Treinar LLMs com conjuntos de dados personalizados
  • Controlo do comportamento das LLMs com engenharia de prontidão

Otimização e avaliação

  • Afinação de hiperparâmetros
  • Avaliação do desempenho do modelo
  • Resolver problemas de sobreajuste e subajuste

Escalonando esforços de ajuste fino

  • Afinação em sistemas distribuídos
  • Aproveitamento de soluções baseadas na nuvem para escalabilidade
  • Estudos de caso: Projectos de afinação em grande escala

Melhores práticas e desafios

  • Melhores práticas para o sucesso do ajuste fino
  • Desafios comuns e resolução de problemas
  • Considerações éticas sobre modelos de IA de afinação fina

Tópicos avançados (opcional)

  • Modelos multimodais de afinação fina
  • Aprendizagem de zero e poucos disparos
  • Explorar técnicas LoRA (Low-Rank Adaptation)

Resumo e próximos passos

Requisitos

  • Compreensão dos fundamentos da aprendizagem automática
  • Experiência com programação Python
  • Familiaridade com modelos pré-treinados e suas aplicações

Público-alvo

  • Cientistas de dados
  • Engenheiros de aprendizagem automática
  • Investigadores de IA
 14 Horas

Número de participantes


Preço por Participante

Próximas Formações Provisórias

Categorias Relacionadas