Schulungsübersicht

Einführung in DeepSeek LLM Fine-Tuning

  • Überblick über DeepSeek-Modelle, z. B. DeepSeek-R1 und DeepSeek-V3
  • Verständnis für die Notwendigkeit der Feinabstimmung von LLMs
  • Vergleich von Feinabstimmung und promptem Engineering

Vorbereitung des Datensatzes für Fine-Tuning

  • Kuratieren von domänenspezifischen Datensätzen
  • Datenvorverarbeitung und Bereinigungstechniken
  • Tokenisierung und Dataset-Formatierung für DeepSeek LLM

Einrichten der Fine-Tuning-Umgebung

  • Konfigurieren von GPU und TPU-Beschleunigung
  • Einrichten von Hugging Face Transformatoren mit DeepSeek LLM
  • Verstehen von Hyperparametern für die Feinabstimmung

Fine-Tuning DeepSeek LLM

  • Implementierung der überwachten Feinabstimmung
  • Verwendung von LoRA (Low-Rank Adaptation) und PEFT (Parameter-Efficient Fine-Tuning)
  • Verteilte Feinabstimmung für große Datensätze durchführen

Evaluierung und Optimierung von feinabgestimmten Modellen

  • Bewertung der Modellleistung mit Bewertungsmetriken
  • Umgang mit Überanpassung und Unteranpassung
  • Optimierung der Inferenzgeschwindigkeit und Modelleffizienz

Einsatz von feinabgestimmten DeepSeek Modellen

  • Paketierung von Modellen für den API-Einsatz
  • Integration feinabgestimmter Modelle in Anwendungen
  • Skalierung von Einsätzen mit Cloud- und Edge-Computing

Reale Welt Use Cases und Anwendungen

  • Feinabgestimmte LLMs für das Finanzwesen, das Gesundheitswesen und die Kundenbetreuung
  • Fallstudien von Industrieanwendungen
  • Ethische Überlegungen bei domänenspezifischen KI-Modellen

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Erfahrung mit maschinellem Lernen und Deep-Learning-Frameworks
  • Vertrautheit mit Transformatoren und großen Sprachmodellen (LLMs)
  • Verständnis für die Vorverarbeitung von Daten und Techniken zur Modellschulung

Zielgruppe

  • KI-Forscher, die LLM-Feinabstimmung erforschen
  • Ingenieure für maschinelles Lernen, die eigene KI-Modelle entwickeln
  • Fortgeschrittene Entwickler, die KI-gesteuerte Lösungen implementieren
 21 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Kommende Kurse

Verwandte Kategorien