Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción al ajuste fino de DeepSeek LLM
- Resumen de los modelos DeepSeek, como DeepSeek-R1 y DeepSeek-V3.
- Comprensión de la necesidad de realizar ajuste fino a LLMs.
- Comparación entre ajuste fino e ingeniería de prompts.
Preparación del conjunto de datos para el ajuste fino
- Curaduría de conjuntos de datos específicos del dominio.
- Técnicas de preprocesamiento y limpieza de datos.
- Tokenización y formato de conjuntos de datos para DeepSeek LLM.
Configuración del entorno de ajuste fino
- Configuración de aceleración con GPU y TPU.
- Configuración de Hugging Face Transformers con DeepSeek LLM.
- Comprensión de los hiperparámetros utilizados en el ajuste fino.
Realización del ajuste fino a DeepSeek LLM
- Implementación de ajuste fino supervisado.
- Uso de LoRA (Adaptación de Bajo Rango) y PEFT (Ajuste Fino Eficiente en Parámetros).
- Ejecución de ajuste fino distribuido para conjuntos de datos a gran escala.
Evaluación y optimización de modelos ajustados
- Evaluación del rendimiento del modelo mediante métricas específicas.
- Manejo del sobreajuste (overfitting) y el subajuste (underfitting).
- Optimización de la velocidad de inferencia y la eficiencia del modelo.
Despliegue de modelos DeepSeek ajustados
- Empaquetado de modelos para despliegue mediante API.
- Integración de modelos ajustados en aplicaciones.
- Escalamiento del despliegue utilizando computación en la nube y edge computing.
Casos de uso y aplicaciones en el mundo real
- LLMs ajustados para finanzas, atención médica y servicio al cliente.
- Estudios de caso sobre aplicaciones industriales.
- Consideraciones éticas en modelos de IA específicos del dominio.
Resumen y próximos pasos
Requerimientos
- Experiencia con frameworks de aprendizaje automático y aprendizaje profundo.
- Familiaridad con transformers y modelos de lenguaje grandes (LLMs).
- Comprensión de técnicas de preprocesamiento de datos y entrenamiento de modelos.
Audiencia objetivo
- Investigadores de IA que exploran el ajuste fino de LLMs.
- Ingenieros de aprendizaje automático que desarrollan modelos de IA personalizados.
- Desarrolladores avanzados que implementan soluciones basadas en IA.
21 Horas
