Templat:Cite web Templat :Cita-cita FKIP UGM

Menyesuaikan model bahasa besar untuk kebutuhan bisnis spesifik Anda dapat sangat intensif sumber daya dan mahal. Parameter-Efficient Fine-Tuning (PEFT) menawarkan solusi yang kuat, yang memungkinkan Anda untuk menyesuaikan model besar dengan perangkat keras dan daya komputasi minimal. Dengan fokus pada memperbarui hanya sebagian kecil dari parameter model, Anda dapat mencapai hasil kinerja tinggi tanpa biaya yang tinggi dari pelatihan parameter penuh. Dalam kursus berbasis teks ini, Anda akan berpindah dari memahami dasar-dasar pembuatan teks ke aktif menyesuaikan model yang sudah dilatih. Anda akan mendapatkan pengetahuan yang diperlukan untuk memilih, mengkonfigurasi, dan melatih adapter ringan yang mencapai kinerja state-of-the-art pada data milik Anda. Apa yang akan kau pelajari: - Mengerti konsep dasar parameter-efisien fine-tuning dan bagaimana itu dibandingkan dengan tuning parameter penuh. - Konfigurasi dan menerapkan Low-Rank Adaptasi (LoRA) dan QLoRA untuk secara drastis mengurangi jejak memori selama pelatihan. - Implementasi tuning prefiks dan teknik tuning prompt untuk tugas klasifikasi dan generasi teks khusus. - Siapkan dataset teks khusus dan format mereka untuk pipa pelatihan yang efisien. - Evaluasi kinerja model yang disempurnakan menggunakan metrik NLP standar. - Memanfaatkan model berbasis adapter secara efisien untuk meminimalkan latensi produksi dan biaya penyimpanan. Kurikulum dimulai dengan terminologi dasar dan mekanika teoretis dari adaptor sebelum memandu Anda melalui langkah-demi-langkah penjelasan tertulis dari persiapan model, konfigurasi pelatihan, dan evaluasi. Anda akan belajar bekerja dengan konvensi perpustakaan modern untuk memuat model dasar, menyuntikkan adapter, dan menyimpan berat yang disesuaikan. Kursus ini dirancang untuk pengembang perangkat lunak, praktisi data, dan teknisi yang baru untuk model customization. Tidak diperlukan pengalaman sebelumnya dengan penyesuaian halus, meskipun pemahaman dasar Python dan konsep pembelajaran mesin akan membantu Anda mendapatkan yang terbaik dari bahan tertulis. Mulai membaca hari ini untuk membuka potensi ringan, model bahasa cetak untuk proyek Anda.