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 del modelo DeepSeek LLM
- Visión general de los modelos DeepSeek, como DeepSeek-R1 y DeepSeek-V3
- Comprensión de la necesidad de ajustar (fine-tuning) los LLMs
- Comparación entre ajuste fino e ingeniería de prompts
Preparación del conjunto de datos para el ajuste fino
- Selección y organización de conjuntos de datos específicos de un dominio
- Técnicas de preprocesamiento y limpieza de datos
- Tokenización y formato del conjunto 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 para el ajuste fino
Ajuste fino del modelo DeepSeek LLM
- Implementación de ajuste fino supervisado
- Uso de LoRA (Low-Rank Adaptation) y PEFT (Parameter-Efficient Fine-Tuning)
- Ejecución de ajuste fino distribuido para conjuntos de datos a gran escala
Evaluación y optimización de los modelos ajustados
- Evaluación del rendimiento del modelo con métricas específicas
- Manejo del sobreajuste (overfitting) y el subajuste (underfitting)
- Optimización de la velocidad de inferencia y la eficiencia del modelo
Implementación de modelos DeepSeek ajustados
- Empaquetado de modelos para implementación mediante API
- Integración de modelos ajustados en aplicaciones
- Escalado de implementaciones con computación en la nube y edge computing
Casos de uso reales y aplicaciones
- LLMs ajustados para finanzas, salud y servicio al cliente
- Estudios de casos sobre aplicaciones en la industria
- Consideraciones éticas en modelos de IA específicos de un dominio
Resumen y próximos pasos
Requerimientos
- Experiencia con frameworks de aprendizaje automático y profundo
- Conocimientos sobre transformadores (transformers) y modelos de lenguaje grandes (LLM)
- Comprensión de técnicas de preprocesamiento de datos y entrenamiento de modelos
Público objetivo
- Investigadores de IA que exploran el ajuste fino de LLMs
- Ingenieros de aprendizaje automático que desarrollan modelos de IA personalizados
- Desarrolladores avanzados implementando soluciones impulsadas por IA
21 Horas
