聯繫我們

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

人數


每位參與者的報價

即將到來的課程

課程分類