Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à la Réglage Fin de Modèles DeepSeek LLM
- Aperçu des modèles DeepSeek, par exemple DeepSeek-R1 et DeepSeek-V3
- Comprendre la nécessité du réglage fin des LLM (Modèles de Langue Géants)
- Comparaison entre le réglage fin et l'ingénierie des prompts
Préparation du Jeu de Données pour le Réglage Fin
- Curation de jeux de données spécifiques à un domaine
- Techniques de prétraitement et de nettoyage des données
- Tokenization et mise en forme du jeu de données pour le LLM DeepSeek
Configuration de l'Environnement pour le Réglage Fin
- Configuration de l'accélération GPU et TPU
- Mise en place des Transformers Hugging Face avec les LLM DeepSeek
- Compréhension des hyperparamètres pour le réglage fin
Réglage Fin du Modèle DeepSeek LLM
- Implémentation du réglage supervisé
- Utilisation de LoRA (Adaptation à Rang Faible) et PEFT (Réglage Fin avec Efficacité Paramétrique)
- Exécution du réglage fin distribué pour des jeux de données à grande échelle
Évaluation et Optimisation des Modèles Réglés Fin
- Évaluation des performances du modèle avec des métriques d'évaluation
- Gestion de la surapprentissage et de l'apprentissage insuffisant
- Optimisation de la vitesse d'inférence et de l'efficacité du modèle
Déploiement des Modèles DeepSeek Réglés Fin
- Emballage des modèles pour le déploiement via API
- Intégration des modèles réglés fin dans les applications
- Échelonnement des déploiements avec le cloud et le calcul edge
Cas d'Usage Réels et Applications
- Modèles LLM réglés fin pour la finance, la santé et le support client
- Études de cas des applications industrielles
- Considérations éthiques sur les modèles d'IA spécifiques à un domaine
Résumé et Prochaines Étapes
Pré requis
- Expérience avec les frameworks de machine learning et d'apprentissage profond
- Familiarité avec les transformateurs et les grands modèles de langage (LLMs)
- Compréhension des techniques de prétraitement des données et de l'entraînement du modèle
Public cible
- Rechercheurs en IA explorant le fine-tuning des LLM
- Ingénieurs en machine learning développant des modèles d'IA personnalisés
- Développeurs avancés mettant en œuvre des solutions pilotées par l'IA
21 Heures
