Aperçu
Dans ce cours, vous explorerez deux techniques pour améliorer les performances d'un modèle fondamental (FM) : la génération augmentée par récupération (RAG) et le fine-tuning. Vous découvrirez les services Amazon Web Services (AWS) qui aident à stocker les embeddings avec des bases de données vectorielles, le rôle des agents dans les tâches multi-étapes, définirez des méthodes de fine-tuning d'un FM, comment préparer les données pour le fine-tuning, et bien plus encore.
- Niveau du cours : Fondamental
- Durée : 1 heure
Ce cours comprend des éléments interactifs, des instructions textuelles et des graphiques illustratifs.
Dans ce cours, vous apprendrez à :
- Identifier les services AWS qui aident à stocker les embeddings avec des bases de données vectorielles.
- Comprendre le rôle des agents dans les tâches multi-étapes.
- Comprendre les approches pour évaluer les performances des FM.
- Déterminer si un FM répond efficacement aux objectifs commerciaux.
- Définir des méthodes de fine-tuning pour un FM.
- Décrire comment préparer les données pour affiner un FM.
- Déterminer si un FM répond efficacement aux objectifs commerciaux en fonction de la métrique commerciale identifiée dans le cas d'utilisation.
Ce cours s'adresse aux personnes intéressées par l'intelligence artificielle et le machine learning (AI/ML), indépendamment d'un rôle de travail spécifique.
L'optimisation des Modèles Fondamentaux fait partie d'une série qui permet de se familiariser avec l'intelligence artificielle, le machine learning et l'IA générative. Si ce n'est pas déjà fait, il est recommandé de suivre ces deux cours :
- Principes fondamentaux de l'apprentissage automatique et de l'intelligence artificielle
- Exploration des cas d'usage et des applications de l'intelligence artificielle
- Section 1 : Introduction
- Comment utiliser ce cours
- Aperçu du cours
- Section 2 : Optimisation d'un modèle fondamental avec la génération augmentée par récupération
- Cas commercial
- Génération Augmentée par Récupération (RAG)
- Agents
- Évaluer les résultats
- Test de connaissances
- Section 3 : Optimisation d'un modèle fondamental avec le fine-tuning
- Cas commercial
- Fine-Tuning
- Évaluation du modèle
- Test de connaissances
- Section 4 : Conclusion
- Ressources
- Contactez-nous
- AI Générative
- IA Générative
Université : Non spécifiée
Fournisseur : AWS Skill Builder
Catégories : Non spécifiées
