Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción al ajuste fino de DeepSeek LLM
- Descripción general de los modelos DeepSeek, por ejemplo, DeepSeek-R1 y DeepSeek-V3
- Comprensión de la necesidad de realizar ajustes finos en LLMs
- Comparación entre ajuste fino e ingeniería de prompts
Preparación del conjunto de datos para el ajuste fino
- Selección de conjuntos de datos específicos del dominio
- Técnicas de preprocesamiento y limpieza de datos
- Tokenización y formato del conjunto de datos para DeepSeek LLM
Configuración del entorno de ajuste fino
- Configuración de aceleración con GPU y TPU
- Configuración de Hugging Face Transformers con DeepSeek LLM
- Comprensión de los hiperparámetros para el ajuste fino
Ajuste fino de DeepSeek LLM
- Implementación del ajuste fino supervisado
- Uso de LoRA (Low-Rank Adaptation) y PEFT (Parameter-Efficient Fine-Tuning)
- Ejecución de ajustes finos distribuidos para conjuntos de datos a gran escala
Evaluación y optimización de modelos ajustados
- Evaluación del rendimiento del modelo mediante métricas de evaluación
- Manejo del sobreajuste y el subajuste
- Optimización de la velocidad de inferencia y la eficiencia del modelo
Implementación de modelos DeepSeek ajustados
- Empaquetado de modelos para implementación mediante API
- Integración de modelos ajustados en aplicaciones
- Escalamiento de implementaciones mediante computación en la nube y edge computing
Casos de uso y aplicaciones del mundo real
- LLMs ajustados para finanzas, salud y atención al cliente
- Estudios de casos de aplicaciones industriales
- Consideraciones éticas en modelos de IA específicos del dominio
Resumen y próximos pasos
Requerimientos
- Experiencia con frameworks de aprendizaje automático y aprendizaje profundo
- Familiaridad con transformadores y modelos de lenguaje grandes (LLM, por sus siglas en inglés)
- Comprensión de técnicas de preprocesamiento de datos y entrenamiento de modelos
Público objetivo
- Investigadores de IA que exploran el ajuste fino de LLMs
- Ingenieros de aprendizaje automático que desarrollan modelos de IA personalizados
- Desarrolladores avanzados que implementan soluciones basadas en IA
21 Horas
