Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Duração 14 horas
Programa do Curso
Introdução ao QLoRA e à Quantização
- Vista geral da quantização e do seu papel na otimização de modelos
- Introdução ao framework QLoRA e aos seus benefícios
- Principais diferenças entre o QLoRA e os métodos tradicionais de ajuste fino
Fundamentos dos Grandes Modelos de Linguagem (LLMs)
- Introdução aos LLMs e à sua arquitetura
- Desafios do ajuste fino de grandes modelos em escala
- Como a quantização ajuda a superar as limitações computacionais no ajuste fino de LLMs
Implementação do QLoRA para Ajuste Fino de LLMs
- Configuração do framework QLoRA e do ambiente
- Preparação de conjuntos de dados (datasets) para ajuste fino com QLoRA
- Guia passo a passo para implementar o QLoRA em LLMs utilizando Python e PyTorch/TensorFlow
Otimização do Desempenho do Ajuste Fino com QLoRA
- Como equilibrar a precisão do modelo e o desempenho com a quantização
- Técnicas para reduzir custos de computação e uso de memória durante o ajuste fino
- Estratégias para ajuste fino com requisitos de hardware mínimos
Avaliação de Modelos Ajustados
- Como avaliar a eficácia dos modelos ajustados
- Métricas de avaliação comuns para modelos de linguagem
- Otimização do desempenho do modelo após o ajuste e resolução de problemas (troubleshooting)
Implantação e Escalabilidade de Modelos Ajustados
- Boas práticas para implantação de LLMs quantizados em ambientes de produção
- Escala de implantação para lidar com pedidos em tempo real
- Ferramentas e frameworks para implantação e monitorização de modelos
Casos de Uso e Estudos de Caso no Mundo Real
- Estudo de caso: Ajuste fino de LLMs para suporte ao cliente e tarefas de NLP
- Exemplos de ajuste fino de LLMs em diversas indústrias, como saúde, finanças e comércio eletrónico
- Lições aprendidas com implantações reais de modelos baseados em QLoRA
Resumo e Próximos Passos
Requisitos
- Compreensão dos fundamentos do machine learning e das redes neuronais
- Experiência com ajuste fino de modelos e aprendizagem por transferência (transfer learning)
- Familiaridade com grandes modelos de linguagem (LLMs) e frameworks de deep learning (ex.: PyTorch, TensorFlow)
Público-Alvo
- Engenheiros de machine learning
- Desenvolvedores de IA
- Cientistas de dados
Formação Empresarial Personalizada
Soluções de formação concebidas exclusivamente para empresas.
- Conteúdo Personalizado: Adaptamos o programa e os exercícios práticos aos objetivos e necessidades reais do seu projeto.
- Horário Flexível: Datas e horários adaptados à agenda da sua equipe.
- Formato: Online (ao vivo), In-Company (em suas instalações) ou Híbrido.
Preço por grupo privado, formação online em direto, a partir de 2600 € + VAT*
Entre em contato conosco para obter um orçamento preciso e conhecer nossas promoções mais recentes
