Clases de Python para Subclasificación y Ajuste Fino de Modelos de IA
via YouTube
YouTube
2338 Cursos
Resumen
Domina las clases de Python y su aplicación en el desarrollo de IA, centrándote en el ajuste fino de modelos de lenguaje grande (LLM) y la implementación de transformadores de visión con la funcionalidad de KERAS3.
Programa de estudio
-
- Introducción a la Programación Orientada a Objetos en Python
-- Descripción general de clases y objetos en Python
-- Atributos y métodos
-- Herencia y polimorfismo
- Características Avanzadas de Clases en Python
-- Métodos de clase y estáticos
-- Decoradores de propiedad
-- Métodos dunder para sobrecarga de operadores
- Clases de Python para el Desarrollo de IA
-- Diseño de clases reutilizables para tareas de IA
-- Comprensión de jerarquías de clases en modelos de IA
-- Implementación de parámetros de modelo como atributos de clase
- Introducción a KERAS3 y su API Funcional
-- Descripción general de funcionalidades de KERAS3
-- Construcción de modelos utilizando la API Funcional
-- Ventajas de la subclase en KERAS3
- Subclasificación en Modelos de Lenguaje de Gran Escala (LLMs)
-- Creación de capas personalizadas para LLMs
-- Ajuste fino de LLMs preentrenados con subclasificación
-- Estudio de caso: Implementación y ajuste fino de un modelo tipo GPT
- Ajuste fino de Transformadores de Visión (ViT) utilizando Clases de Python
-- Descripción general de la arquitectura de Transformadores de Visión
-- Construcción y personalización de ViT usando KERAS3
-- Ejemplo práctico: Ajuste fino de un ViT en un conjunto de datos personalizado
- Mejores Prácticas y Optimización
-- Estrategias para una subclasificación de modelos eficiente
-- Gestión de recursos y optimización del rendimiento
-- Depuración y pruebas de clases de modelos de IA personalizados
- Proyecto Final: Implementación de un Modelo de IA Personalizado
-- Definir el alcance de un proyecto utilizando clases de Python
-- Diseñar, implementar y ajustar un modelo de IA personalizado
-- Presentar y evaluar tu modelo de IA
- Conclusión y Recursos Adicionales
-- Revisión de conceptos clave
-- Lecturas recomendadas y recursos para un aprendizaje avanzado
Enseñado por
Etiquetas