Hubungi Kami

Kerangka Materi

Pengenalan terhadap Model LLM Open Source

  • Apa itu model dengan bobot terbuka dan mengapa penting?
  • Gambaran umum mengenai LLaMA, Mistral, Qwen, serta model komunitas lainnya
  • Contoh penggunaan dalam penerapan yang privat, di lokasi fisik, atau dalam lingkungan aman

Pengaturan Lingkungan dan Perangkat Pendukung

  • Menginstal serta mengonfigurasi pustaka Transformers, Datasets, dan PEFT
  • Memilih perangkat keras yang tepat untuk proses penyesuaian model
  • Memuat model pra-terlatih dari Hugging Face atau repositori lainnya

Persiapan dan Pengolahan Data

  • Bentuk kumpulan data (penyesuaian berdasarkan instruksi, data percakapan, teks murni)
  • Teknik tokenisasi serta pengelolaan urutan data
  • Cara membuat kumpulan data khusus serta alat pemuat datanya

Teknik Penyesuaian Model

  • Perbandingan antara penyesuaian penuh standar dan metode yang hemat parameter
  • Menerapkan teknik LoRA dan QLoRA untuk proses penyesuaian yang efisien
  • Menggunakan API Trainer untuk eksperimen cepat

Evaluasi dan Optimalisasi Model

  • Menilai kinerja model yang telah disesuaikan melalui metrik generasi dan akurasi
  • Mengelola risiko overfitting, tingkat generalisasi serta penggunaan kumpulan data validasi
  • Tips efisiensi performa dan teknik pencatatan aktivitas proses

Penerapan Model dan Penggunaan Pribadi

  • Cara menyimpan serta memuat model untuk digunakan dalam inferensi
  • Menerapkan model yang telah disesuaikan ke dalam lingkungan perusahaan yang aman
  • Strategi penerapan baik secara lokal maupun melalui cloud

Studi Kasus dan Contoh Pemanfaatan

  • Pelbagai contoh penggunaan model LLaMA, Mistral, dan Qwen dalam dunia korporat
  • Menangani penyesuaian multibahasa maupun untuk domain khusus<\/li>
  • Diskusi mengenai keunggulan serta kompromi antara model open source dan tertutup

Penutup dan Langkah Selanjutnya

Persyaratan

  • Pemahaman mengenai model LLM beserta arsitekturnya
  • Pengalaman menggunakan Python dan PyTorch
  • Pengetahuan dasar mengenai ekosistem Hugging Face

Audiense

  • Praktisi pembelajaran mesin
  • Pengembang AI
 14 Jam

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait