Eğitim İçeriği

Parametre Etkin Fine-Tuning (PEFT) Kavramına Giriş

  • Tam fine-tuning'in motivasyonları ve sınırlamaları
  • PEFT Genel Bakış: hedefler ve avantajlar
  • Sektördeki uygulamalar ve kullanım senaryoları

LoRA (Düşük-Rank Uyarlama)

  • LoRA konsepti ve intüisyonu
  • Hugging Face ve PyTorch kullanarak LoRA'yı uygulama
  • Elde deneme: Bir modeli LoRA ile fine-tuning etme

Adapter Tuning

  • Adapter modüllerinin nasıl çalıştığı
  • Transformer tabanlı modellere entegrasyon
  • Elde deneme: Transformer modeline Adapter Tuning uygulama

Prefix Tuning

  • Fine-tuning için yumuşak prompt'ların kullanımı
  • LoRA ve adapterlerle karşılaştırıldığında güçlü ve zayıf yönleri
  • Elde deneme: Bir LLM görevinde Prefix Tuning

PEFT Yöntemlerinin Değerlendirilmesi ve Karşılaştırılması

  • Başarı ve verimlilik için metrikler
  • Eğitim hızı, bellek kullanımı ve doğruluğundaki denge noktaları
  • Performans ölçümü deneyleri ve sonuçların yorumlanması

Fine-Tuning Edilmiş Modellerin Dağıtılması

  • Fine-tuning edilmiş modelleri kaydetme ve yükleme
  • PEFT tabanlı modellere dağıtım dikkatleri
  • Uygulamalara ve süreçlere entegrasyon

En İyi Uygulamalar ve Genişletmeler

  • PEFT'in kvantizasyon ve distilasyon ile birleştirilmesi
  • Kaynak kısıtlı ve çok dilli ortamlarda kullanımı
  • Mehsus araştırmalardaki gelecek yönleri ve aktif alanları

Özet ve Son Adımlar

Kurs İçin Gerekli Önbilgiler

  • Makine öğrenimi temellerinin anlaşılması
  • Büyük dil modelleri (LLMs) ile çalışmanın deneyimi
  • Python ve PyTorch ile aşina olunması

Hedef Kitle

  • Data bilimcileri
  • Yapay zeka mühendisleri
 14 Saat

Katılımcı Sayısı


Kişi Başına Fiyat

Yaklaşan Etkinlikler

İlgili Kategoriler