聯繫我們

課程簡介

DeepSeek LLM 微調簡介

  • DeepSeek 模型概述,例如 DeepSeek-R1 和 DeepSeek-V3
  • 理解微調大型語言模型的需求
  • 微調與提示工程 (Prompt Engineering) 的比較

準備微調資料集

  • 選定領域特定資料集
  • 資料預處理與清洗技術
  • DeepSeek LLM 的分詞與資料格式設定

建立微調環境

  • 配置 GPU 與 TPU 加速
  • 結合 DeepSeek LLM 設定 Hugging Face Transformers
  • 理解微調所需的超參數

微調 DeepSeek LLM

  • 實作監督式微調 (Supervised Fine-Tuning)
  • 使用 LoRA (低秩適配) 與 PEFT (參數高效微調)
  • 針對大規模資料集執行分散式微調

評估與優化微調後的模型

  • 透過評估指標評估模型效能
  • 處理過度擬合與欠擬合問題
  • 最佳化推論速度與模型效率

部署微調後的 DeepSeek 模型

  • 打包模型以進行 API 部署
  • 將微調後的模型整合至應用程式中
  • 結合雲端與邊緣計算擴展部署規模

實際應用案例

  • 用於金融、醫療保健和客戶支援的微調 LLM
  • 產業應用案例研究
  • 領域特定 AI 模型的倫理考量

總結與後續步驟

最低要求

  • 具備機器學習與深度學習框架的使用經驗
  • 熟悉 Transformer 架構及大型語言模型 (LLM)
  • 理解資料預處理與模型訓練技術

受眾對象

  • 探索 LLM 微調的 AI 研究人員
  • 開發客製化 AI 模型的機器學習工程師
  • 實施 AI 驅動解決方案的進階開發者
 21 小時

課程分類