感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
DeepSeek LLM 微調簡介
- DeepSeek 模型概覽,例如 DeepSeek-R1 和 DeepSeek-V3
- 理解微調大型語言模型的必要性
- 微調與提示工程 (Prompt Engineering) 的比較
為微調準備數據集
- 策展特定領域的數據集
- 數據預處理與清洗技術
- DeepSeek LLM 的分詞與數據集格式化
設定微調環境
- GPU 和 TPU 加速配置
- Hugging Face Transformers 搭配 DeepSeek LLM 的設置
- 理解用於微調的超參數
微調 DeepSeek LLM
- 實施監督式微調 (Supervised Fine-Tuning)
- 使用 LoRA(低秩適應)和 PEFT(參數高效微調)
- 運行大規模數據集的分布式微調
評估與最佳化微調後的模型
- 使用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
- 透過雲端與邊緣運算擴展部署規模
真實世界應用案例
- 適用於金融、醫療保健和客戶支援的微調 LLM
- 產業應用的案例研究
- 特定領域 AI 模型的倫理考量
總結與下一步
最低要求
- 具備機器學習與深度學習框架的使用經驗
- 熟悉轉換器模型 (Transformers) 與大型語言模型 (LLM)
- 了解數據預處理與模型訓練技術
受眾
- 探索 LLM 微調的 AI 研究者
- 開發客製化 AI 模型的機器學習工程師
- 實施 AI 驅動解決方案的高階開發人員
21 小時