Bizi tercih ettiğiniz için teşekkür ederiz. Ekip üyelerimiz en kısa sürede sizlerle iletişime geçecektir.
Rezervasyonunuzu gönderdiğiniz için teşekkür ederiz! Ekibimizden bir yetkili kısa süre içinde sizinle iletişime geçecektir.
Eğitim İçeriği
Parametre Verimli İnce Ayarlama (PEFT)'ya Giriş
- Tam ince ayarlamasının motivasyonu ve kısıtlamaları
- PEFT genel bakışı: Hedefler ve faydalar
- Sanayideki uygulamalar ve kullanım senaryoları
LoRA (Düşük Rütbe Uyarlama)
- LoRA'nın arkasındaki kavram ve sezgi
- Hugging Face ve PyTorch kullanarak LoRA uygulaması
- Uygulamalı: Bir modeli LoRA ile ince ayarlama
Adapter Ayarı
- Adapter modüllerinin nasıl çalıştığı
- Transformer tabanlı modellerle entegrasyon
- Uygulamalı: Bir transformer modeline Adapter Ayarı uygulama
Prefix Ayarı
- İnce ayarlama için yumuşak istemlerin (soft prompts) kullanımı
- LoRA ve adapterlere kıyasla güçlü yönler ve kısıtlamalar
- Uygulamalı: Bir LLM görevinde Prefix Ayarı
PEFT Yöntemlerini Değerlendirme ve Karşılaştırma
- Performans ve verimliliği değerlendirmek için metrikler
- Eğitim hızı, bellek kullanımı ve doğruluk açısından denge noktaları
- Benchmark deneyleri ve sonuç yorumlama
İnce Ayarlanmış Modelleri Dağıtma
- İnce ayarlanmış modellerin kaydedilmesi ve yüklenmesi
- PEFT tabanlı modeller için dağıtım hususları
- Uygulamalara ve boru hatlarına (pipelines) entegrasyon
En İyi Uygulamalar ve Genişletmeler
- PEFT'yi nicelleştirme (quantization) ve damıtma (distillation) ile birleştirme
- Düşük kaynaklı ve çok dilli ortamlarda kullanım
- Gelecek yönleri ve aktif araştırma alanları
Kurs İçin Gerekli Önbilgiler
- Makine öğrenimi temellerini anlama
- Büyük dil modelleri (LLM) ile çalışma deneyimi
- Python ve PyTorch'a aşinalık
Hedef Kitle
- Veri bilimcileri
- Yapay zeka mühendisleri
14 Saatler
