Ce cours propose un voyage complet et pratique dans l'adaptation des modèles, le réglage fin et l'ingénierie contextuelle pour les grands modèles de langage (LLMs). Grâce à des leçons structurées, des démonstrations et des exercices pratiques, vous apprendrez à appliquer l'apprentissage par transfert, des techniques de réglage fin efficaces en termes de paramètres, des stratégies d'ingénierie contextuelle et des méthodes d'optimisation pour construire des systèmes LLM évolutifs et prêts pour la production. Le cours met l'accent à la fois sur les fondations théoriques et les flux de travail pratiques en utilisant des outils modernes tels que Hugging Face, Trainer APIs, et les plateformes de surveillance des modèles.

A la fin de ce cours, vous serez capable de : - Expliquer les principes de l'apprentissage par transfert, de l'adaptation des modèles et de la mise au point efficace des paramètres pour les grands modèles de langage - Mettre au point les modèles pré-entraînés en utilisant des techniques telles que LoRA et les adaptateurs pour les applications spécifiques au domaine et basées sur les tâches - Concevoir des stratégies efficaces d'ingénierie du contexte, y compris l'optimisation du contexte, la compression, ce cours est idéal pour les ingénieurs en apprentissage automatique, les praticiens de l'IA, les développeurs de PNL et les scientifiques des données qui veulent aller au-delà des interactions avec les invites et acquérir une expertise pratique dans l'adaptation et le déploiement des LLM dans les systèmes du monde réel. Rejoignez-nous pour maîtriser le cycle de vie de bout en bout de l'ajustement, de l'optimisation et de l'opérationnalisation de grands modèles de langage, depuis les fondations pré-entraînées jusqu'aux solutions d'IA évolutives et prêtes pour la production.