La demande de compétences techniques en IA générative (GenAI) augmente, et les entreprises recherchent activement des ingénieurs en IA capables de travailler avec de grands modèles de langage (LLM). Ce cours IBM est conçu pour développer des compétences prêtes à l'emploi qui peuvent accélérer votre carrière en IA. Dans ce cours, vous explorerez les transformateurs et les cadres et plates-formes de modèles clés, y compris Hugging Face et PyTorch. Vous commencerez par un cadre fondamental pour l'optimisation des LLM et progresserez rapidement vers le réglage fin des modèles IA génératifs. Vous apprendrez également des techniques avancées telles que le réglage fin efficace par paramètre (PEFT), l'adaptation à faible rang (LoRA), le LoRA quantifié (QLoRA) et l'incitation. Les laboratoires pratiques vous donneront une expérience précieuse et pratique, y compris le chargement, le pré-entraînement et le réglage fin des modèles à l'aide d'outils standard de l'industrie. Ces compétences sont directement applicables dans les rôles d'IA du monde réel et sont parfaits pour mettre en valeur dans les entretiens. Si vous êtes prêt à prendre votre carrière IA au niveau suivant et renforcer votre CV avec des compétences Gen IA en demande, inscrivez-vous aujourd'hui et commencez à appliquer vos nouvelles compétences en seulement une semaine !

Ingénierie générative de l'IA et réglage fin des transformateurs
Économisez sur les compétences qui vous font briller avec 40 % de réduction sur 3 mois de Coursera Plus. Économisez maintenant

Ingénierie générative de l'IA et réglage fin des transformateurs
Ce cours fait partie de plusieurs programmes.



Instructeurs : Joseph Santarcangelo
23 679 déjà inscrits
Inclus avec
114 avis
Expérience recommandée
Ce que vous apprendrez
Compétences recherchées et prêtes à l'emploi dont les entreprises ont besoin pour travailler avec des LLM à base de transformateurs en ingénierie de l'IA générative
Comment effectuer un réglage fin efficace des paramètres (PEFT) à l'aide de méthodes telles que LoRA et QLoRA afin d'optimiser l'apprentissage des modèles
Comment utiliser des modèles de transformateurs pré-entraînés pour les tâches linguistiques et les affiner pour des applications spécifiques en aval ?
Comment charger des modèles, exécuter l'inférence et former des modèles en utilisant les frameworks Hugging Face et PyTorch
Compétences que vous acquerrez
- Catégorie : Mise au point
- Catégorie : Modélisation des grandes langues
- Catégorie : Optimisation du modèle
- Catégorie : Modèle de formation
- Catégorie : Architectures de modèles génératifs
Outils que vous découvrirez
- Catégorie : PyTorch (Bibliothèque d'apprentissage automatique)
- Catégorie : Ingénierie rapide
- Catégorie : IA générative
Détails à connaître

Ajouter à votre profil LinkedIn
4 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable

Il y a 2 modules dans ce cours
Obtenez un certificat professionnel
Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.
Instructeurs

Offert par
En savoir plus sur Apprentissage automatique
Statut : Essai gratuit
Statut : Essai gratuit
Statut : Essai gratuit
Statut : Essai gratuitBoard Infinity
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Avis des étudiants
- 5 stars
73,91 %
- 4 stars
13,91 %
- 3 stars
5,21 %
- 2 stars
3,47 %
- 1 star
3,47 %
Affichage de 3 sur 114
Révisé le 1 janv. 2025
The course is good but lacks depth on complex subjects.
Révisé le 16 nov. 2024
The coding part in the labs provided in this course was very helpful and helped me to stabilize my learning.
Révisé le 16 janv. 2025
The labs all too often failed on environment issues - packages, version alignment, etc. This should be seamless in your controlled environment.
Foire Aux Questions
Plus de questions
Aide financière disponible,




