Ce cours LLM Fine-Tuning vous permet d'acquérir les compétences nécessaires pour optimiser et déployer de grands modèles de langage spécifiques à un domaine pour des applications avancées d'IA générative. Commencez par les concepts fondamentaux - apprenez le réglage fin supervisé, les méthodes efficaces en termes de paramètres (PEFT) et l'apprentissage par renforcement avec retour d'information humain (RLHF). Maîtrisez la préparation des données, le réglage des hyperparamètres et les principales stratégies d'évaluation. Progressez vers la mise en œuvre en utilisant les cadres et les bibliothèques LLM, et appliquez les meilleures pratiques pour la sélection des modèles, la surveillance des biais et le contrôle de l'overfitting. Concluez par des démonstrations pratiques : affinez le réglage de Falcon-7B et construisez une application de génération d'images à l'aide de Modèle de Learning et OpenAI DALL-E. Vous devez avoir de solides connaissances de Python, des principes fondamentaux de l'apprentissage profond et une exposition préalable à des modèles de langage de grande taille.

À la fin de ce cours, vous serez en mesure de : - Affiner les LLM en utilisant PEFT, RLHF et des méthodes supervisées - Préparer des ensembles de données et optimiser les hyperparamètres pour l'accord - Évaluer et déployer des modèles affinés en utilisant des frameworks GenAI - Appliquer les concepts d'accord dans des cas d'utilisation du monde réel comme les applications Falcon-7B et DALL-E Idéal pour les développeurs IA, les ingénieurs ML, et les chercheurs GenAI.