Programa del Curso

Introducción al ajuste fino

  • ¿Qué es el ajuste fino?
  • Casos de uso y beneficios del ajuste fino
  • Descripción general de los modelos preentrenados y el aprendizaje por transferencia

Preparación para la puesta a punto

  • Recopilación y limpieza de conjuntos de datos
  • Descripción de los requisitos de datos específicos de la tarea
  • Análisis exploratorio de datos y preprocesamiento

Técnicas de ajuste fino

  • Transferencia de aprendizaje y extracción de características
  • Transformadores de ajuste fino con Hugging Face
  • Ajuste fino para tareas supervisadas frente a tareas no supervisadas

Ajuste fino Large Language Models (LLMs)

  • Adaptación de LLM para tareas de PNL (por ejemplo, clasificación de textos, resúmenes)
  • Entrenamiento de LLM con conjuntos de datos personalizados
  • Control del comportamiento de LLM con ingeniería de avisos

Optimización y Evaluación

  • Ajuste de hiperparámetros
  • Evaluación del rendimiento del modelo
  • Abordar el sobreajuste y el subajuste

Ampliación de los esfuerzos de ajuste

  • Ajuste fino en sistemas distribuidos
  • Aprovechar las soluciones basadas en la nube para la escalabilidad
  • Casos prácticos: Proyectos de puesta a punto a gran escala

Mejores prácticas y desafíos

  • Prácticas recomendadas para ajustar el éxito
  • Desafíos comunes y solución de problemas
  • Consideraciones éticas en el ajuste de modelos de IA

Temas avanzados (opcional)

  • Ajuste fino de modelos multimodales
  • Aprendizaje de tiro cero y tiro bajo
  • Explorando las técnicas de LoRA (Adaptación de Rango Bajo)

Resumen y próximos pasos

Requerimientos

  • Comprensión de los fundamentos del aprendizaje automático
  • Experiencia con Python programación
  • Familiaridad con los modelos previamente entrenados y sus aplicaciones

Audiencia

  • Científicos de datos
  • Ingenieros de aprendizaje automático
  • Investigadores de IA
 14 Horas

Número de participantes


Precio por Participante​

Próximos cursos

Categorías Relacionadas