Entrar em Contato

Programa do Curso

Introdução ao Ajuste Fino

  • O que é ajuste fino?
  • Casos de uso e benefícios do ajuste fino
  • Noções gerais sobre modelos pré-treinados e aprendizado por transferência

Preparação para o Ajuste Fino

  • Coleção e limpeza de conjuntos de dados
  • Compreensão dos requisitos específicos de dados da tarefa
  • Análise exploratória de dados e pré-processamento

Técnicas de Ajuste Fino

  • Aprendizado por transferência e extração de características
  • Ajuste fino de transformadores com o Hugging Face
  • Ajuste fino para tarefas supervisionadas versus não supervisionadas

Ajuste Fino de Grandes Modelos de Linguagem (LLMs)

  • Adaptação de LLMs para tarefas de PLN (por exemplo, classificação de texto, sumarização)
  • Treinamento de LLMs com conjuntos de dados personalizados
  • Controle do comportamento do LLM por meio de engenharia de prompts

Otimização e Avaliação

  • Ajuste de hiperparâmetros
  • Avaliação do desempenho do modelo
  • Abordagem de sobreajuste (overfitting) e subajuste (underfitting)

Escala dos Esforços de Ajuste Fino

  • Ajuste fino em sistemas distribuídos
  • Uso de soluções baseadas em nuvem para escalabilidade
  • Estudos de caso: projetos de ajuste fino em larga escala

Melhores Práticas e Desafios

  • Melhores práticas para o sucesso no ajuste fino
  • Desafios comuns e soluções para problemas frequentes
  • Considerações éticas no ajuste fino de modelos de IA

Tópicos Avançados (Opcional)

  • Ajuste fino de modelos multimodais
  • Aprendizado zero-shot e few-shot
  • Exploração das técnicas LoRA (Low-Rank Adaptation)

Resumo e Próximos Passos

Requisitos

  • Compreensão dos fundamentos do aprendizado de máquina
  • Experiência com programação em Python
  • Familiaridade com modelos pré-treinados e suas aplicações

Público-alvo

  • Cientistas de dados
  • Engenheiros de aprendizado de máquina
  • Pesquisadores de IA
 14 Horas

Número de participantes


Preço por participante

Próximas Formações Provisórias

Categorias Relacionadas