Course Outline

Pengantar DeepSeek LLM Fine-Tuning

  • Tinjauan umum model DeepSeek, misalnya DeepSeek-R1 dan DeepSeek-V3
  • Memahami perlunya penyempurnaan LLM
  • Perbandingan antara fine-tuning vs. prompt engineering

Mempersiapkan Dataset untuk Fine-Tuning

  • Mengkurasi kumpulan data khusus domain
  • Teknik praproses dan pembersihan data
  • Tokenisasi dan format kumpulan data untuk DeepSeek LLM

Menyiapkan Lingkungan Fine-Tuning

  • Konfigurasi GPU dan akselerasi TPU
  • Menyiapkan Hugging Face Transformator dengan DeepSeek LLM
  • Memahami hiperparameter untuk fine-tuning

Fine-Tuning DeepSeek Magister Hukum

  • Menerapkan fine-tuning yang diawasi
  • Menggunakan LoRA (Low-Rank Adaptation) dan PEFT (Parameter-Efficient Fine-Tuning)
  • Menjalankan fine-tuning terdistribusi untuk kumpulan data skala besar

Mengevaluasi dan Mengoptimalkan Model yang Disempurnakan

  • Menilai kinerja model dengan metrik evaluasi
  • Menangani overfitting dan underfitting
  • Mengoptimalkan kecepatan inferensi dan efisiensi model

Menerapkan Model DeepSeek yang Disempurnakan

  • Model pengemasan untuk penerapan API
  • Mengintegrasikan model yang telah disesuaikan ke dalam aplikasi
  • Meningkatkan penyebaran dengan komputasi awan dan edge

Use CaseDunia Nyata dan Aplikasi

  • LLM yang disesuaikan untuk keuangan, perawatan kesehatan, dan dukungan pelanggan
  • Studi kasus aplikasi industri
  • Pertimbangan etika dalam model AI khusus domain

Ringkasan dan Langkah Berikutnya

Requirements

  • Pengalaman dengan pembelajaran mesin dan kerangka kerja pembelajaran mendalam
  • Keakraban dengan transformer dan model bahasa besar (LLM)
  • Pemahaman tentang teknik praproses data dan pelatihan model

Hadirin

  • Peneliti AI mengeksplorasi penyempurnaan LLM
  • Insinyur pembelajaran mesin mengembangkan model AI khusus
  • Pengembang tingkat lanjut yang menerapkan solusi berbasis AI
 21 Hours

Number of participants


Price per participant

Upcoming Courses (Minimal 5 peserta)

Related Categories