聯繫我們

課程簡介

微調導論

  • 什麼是微調?
  • 微用的案例與好處
  • 預訓練模型與遷移學習概觀

為微調做準備

  • 蒐集與清理數據集
  • 理解任務特定數據需求
  • 探索性資料分析與前處理

微調技術

  • 遷移學習與特徵提取
  • 使用 Hugging Face 微調轉換器模型
  • 監督式與非監督式任務的微調

大型語言模型(LLM)的微調

  • 為 NLP 任務適應 LLM(例如:文本分類、摘要)
  • 使用自訂數據集訓練 LLM
  • 透過提示工程控制 LLM 行為

優化與評估

  • 超參數調優
  • 評估模型績效
  • 解決過度擬合與欠擬合問題

擴展微調作業

  • 在分散式系統上進行微調
  • 利用雲端解決方案提升可擴展性
  • 案例研究:大規模微調專案

最佳實踐與挑戰

  • 微調成功的最佳實踐
  • 常見挑戰與疑難排解
  • 微調 AI 模型的倫理考量

進階主題(選修)

  • 多模態模型的微調
  • 零樣本與少樣本學習
  • 探索 LoRA(低秩適應)技術

總結與後續步驟

最低要求

  • 理解機器學習基礎
  • 具備 Python 程式設計經驗
  • 熟悉預訓練模型及其套用

對象

  • 數據科學家
  • 機器學習工程師
  • 人工智慧研究員
 14 小時

課程分類