Aperçu
Maîtriser l'IA Générative : Ajustement Fin des Transformateurs
La demande de compétences techniques en IA générative augmente rapidement. Les ingénieurs en IA ayant une expertise dans l'ajustement fin des transformateurs pour des applications d'IA générative sont très recherchés. Ce cours, Ingénierie de l'IA Générative : Ajustement Fin avec des Transformateurs, est méticuleusement conçu pour les ingénieurs IA et les spécialistes en IA visant à enrichir leur CV avec des compétences recherchées.
Tout au long de ce cours, vous plongerez dans les nuances entre PyTorch et Hugging Face, utiliserez des transformateurs pré-entraînés pour des tâches liées au langage, et les raffinerez pour des applications spécialisées. De plus, vous ajusterez finement les modèles d'IA générative en utilisant les plateformes PyTorch et Hugging Face.
Le programme couvre également des concepts essentiels tels que l'ajustement fin efficace en termes de paramètres (PEFT), l'adaptation bas-rang (LoRA), l'adaptation bas-rang quantifiée (QloRA), la quantification des modèles dans le traitement du langage naturel (NLP), et l'art de la sollicitation. Participez à des ateliers pratiques pour acquérir une expérience concrète dans le chargement de modèles, l'exécution d'inférences, la formation de modèles avec Hugging Face, le pré-entraînement de modèles de langage (LLM), l'ajustement fin de modèles, et l'utilisation des adaptateurs PyTorch.
Si vous aspirez à acquérir des compétences prêtes à l'emploi requises par les employeurs pour l'ajustement fin des transformateurs en IA générative, INSCRIVEZ-VOUS AUJOURD'HUI pour améliorer votre CV pour une évolution de carrière !
Prérequis : Une compréhension de base de Python, PyTorch, et l'architecture des transformateurs est requise. Une familiarité avec les concepts d'apprentissage automatique et de réseaux neuronaux est également recommandée.
Fournisseur : edX
Catégories : Cours d'Apprentissage Automatique, Cours d'IA Générative, Cours de PyTorch, Cours de LoRA (Adaptation Bas-Rang), Cours de Hugging Face, Cours de Transformateurs, Cours d'Ajustement Fin, Cours de QLoRA, Cours d'Ajustement Fin Efficace en termes de Paramètres
