Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
DeepSeek LLM Fine-Tuning 소개
- DeepSeek 모델 개요, 예: DeepSeek-R1 및 DeepSeek-V3
- LLM 미세 조정의 필요성 이해
- 미세 조정과 신속한 엔지니어링의 비교
Fine-Tuning에 대한 데이터 세트 준비
- 도메인별 데이터 세트 큐레이션
- 데이터 전처리 및 정리 기술
- DeepSeek LLM에 대한 토큰화 및 데이터 세트 포맷팅
Fine-Tuning 환경 설정
- GPU 구성 및 TPU 가속
- DeepSeek LLM을 사용하여 Hugging Face 변압기 설정
- 미세 조정을 위한 하이퍼파라미터 이해
Fine-Tuning DeepSeek 법학 석사
- 감독된 미세 조정 구현
- LoRA(Low-Rank Adaptation) 및 PEFT(Parameter-EfficientFine-Tuning) 사용
- 대규모 데이터 세트에 대한 분산 미세 조정 실행
미세 조정된 모델 평가 및 최적화
- 평가 지표를 사용한 모델 성능 평가
- 과대적합 및 과소적합 처리
- 추론 속도 및 모델 효율성 최적화
미세 조정된 DeepSeek 모델 배포
- API 배포를 위한 패키징 모델
- 미세 조정된 모델을 애플리케이션에 통합
- 클라우드 및 엣지 컴퓨팅을 통한 배포 확장
실제 세계 Use Case 및 응용 프로그램
- 재무, 의료 및 고객 지원을 위한 세부 조정된 LLM
- 산업 응용 사례 연구
- 도메인별 AI 모델의 윤리적 고려 사항
요약 및 다음 단계
Requirements
- 머신 러닝 및 딥 러닝 프레임워크에 대한 경험
- 변환기 및 대규모 언어 모델(LLM)에 대한 지식
- 데이터 전처리 및 모델 학습 기술에 대한 이해
청중
- LLM 미세 조정을 탐구하는 AI 연구자
- 맞춤형 AI 모델을 개발하는 머신 러닝 엔지니어
- AI 기반 솔루션을 구현하는 고급 개발자
21 Hours