Prenez contact avec nous

Plan du cours

Introduction à la personnalisation avancée des modèles

  • Aperçu de l'ajustement fin et de la gestion des prompts dans Vertex AI
  • Cas d'usage de l'optimisation des modèles
  • Travail pratique : configuration de l'espace de travail Vertex AI

Ajustement fin supervisé des modèles Gemini

  • Préparation des données d'entraînement pour l'ajustement fin
  • Exécution de pipelines d'ajustement fin supervisé
  • Travail pratique : ajustement fin d'un modèle Gemini

Génie des prompts et gestion de version

  • Conception de prompts efficaces pour l'IA générative
  • Contrôle de version et reproductibilité
  • Travail pratique : création et test de versions de prompts

Évaluation et benchmarking

  • Aperçu des bibliothèques d'évaluation dans Vertex AI
  • Automatisation des flux de travail de test et de validation
  • Travail pratique : évaluation des prompts et des sorties

Déploiement et surveillance des modèles

  • Intégration des modèles optimisés dans les applications
  • Surveillance des performances et détection de dérive
  • Travail pratique : déploiement d'un modèle ajusté finement

Meilleures pratiques pour l'optimisation de l'IA en entreprise

  • Scalabilité et gestion des coûts
  • Considérations éthiques et atténuation des biais
  • Étude de cas : amélioration des applications IA en production

Directions futures de l'ajustement fin et de la gestion des prompts

  • Tendances émergentes dans l'optimisation des LLM
  • Adaptation automatique des prompts et apprentissage par renforcement
  • Implications stratégiques pour l'adoption en entreprise

Conclusion et prochaines étapes

Pré requis

  • Expérience avec les flux de travail de machine learning
  • Connaissances de la programmation Python
  • Familiarité avec les plateformes d'IA basées sur le cloud

Public cible

  • Ingénieurs IA
  • Praticiens MLOps
  • Scientifiques des données
 14 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires