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 del modelo DeepSeek LLM
- Resumen de los modelos DeepSeek, por ejemplo, DeepSeek-R1 y DeepSeek-V3
- Comprender la necesidad de ajustar modelos de lenguaje grandes (LLMs)
- Comparación entre ajuste fino e ingeniería de prompts
Preparación del conjunto de datos para el ajuste fino
- Selección y curación 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
- Instalación y configuración de Hugging Face Transformers con DeepSeek LLM
- Comprensión de los hiperparámetros para el ajuste fino
Ajuste fino del modelo DeepSeek LLM
- Implementación del ajuste fino supervisado (SFT)
- Uso de LoRA (Low-Rank Adaptation) y PEFT (Parameter-Efficient Fine-Tuning)
- Ejecución del ajuste fino distribuido para conjuntos de datos a gran escala
Evaluación y optimización de modelos ajustados
- Evaluación del rendimiento del modelo mediante métricas específicas
- Manejo del sobreajuste (overfitting) y el subajuste (underfitting)
- 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 existentes
- Escalado de implementaciones con computación en la nube y edge computing
Casos de uso y aplicaciones del mundo real
- LLMs ajustados para finanzas, atención médica y soporte al cliente
- Estudios de casos sobre aplicaciones industriales
- Consideraciones éticas en modelos de IA específicos del dominio
Resumen y próximos pasos
Requerimientos
- Experiencia con marcos de aprendizaje automático (machine learning) y aprendizaje profundo (deep learning)
- Familiaridad con transformers y modelos de lenguaje grandes (LLMs)
- 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 impulsadas por IA
21 Horas
