Efficient Large Language Model (LLM) Customization

نظرة عامة

كيّف النماذج اللغوية الكبيرة مع مهامك دون مجموعات بيانات ضخمة. تحسّن النتائج بهندسة الأوامر وتعلّم الأوامر، وتطبّق تقنيات ضبط دقيق تكفيها بيانات محدودة، وتنفّذ عدة مهام مخصّصة بنموذج واحد، وتخصّص نماذج مثل LLaMA-2 وFalcon بإطار NeMo.

ما ستتعلّمه

المحتوى التقني أدناه معروضٌ باللغة الإنجليزية كما ورد في منهاج الدورة، حفاظاً على دقّة المصطلحات.

• Use prompt engineering to improve the performance of pretrained LLMs
• Apply various fine-tuning techniques with limited data to accomplish tasks specific to your use cases
• Use a single pretrained model to perform multiple custom tasks
• Leverage the NeMo framework to customize models like GPT, LLaMA-2, and Falcon with ease

المنهاج

لمن هذه الدورة

مهندسو تعلّم الآلة وعلماء البيانات الذين ينشرون نماذج لغوية لمهام أعمال متخصّصة.

قبل أن تبدأ

• Professional experience with the Python programming language
• Familiarity with fundamental deep learning topics like model architecture, training, and inference
• Familiarity with a modern Python-based deep learning framework (PyTorch preferred)
• Familiarity working with out-of-the-box pretrained LLMs