Plan du cours

Introduction à la personnalisation avancée des modèles

  • Aperçu de l'ajustement fin et de la gestion des prompts dans Vertex AI
  • Cas d'utilisation pour l'optimisation des modèles
  • Laboratoire pratique : configuration de l'espace de travail Vertex AI

Ajustement fin supervisé des modèles Gemini

  • Préparation des données d'entraînement pour l'ajustement fin
  • Exécution de pipelines d'ajustement fin supervisés
  • Laboratoire pratique : ajustement fin d'un modèle Gemini

Génie des prompts et gestion des versions

  • Conception de prompts efficaces pour l'IA générative
  • Contrôle des versions et reproductibilité
  • Laboratoire pratique : création et test de versions de prompts

Évaluation et benchmarking

  • Aperçu des bibliothèques d'évaluation dans Vertex AI
  • Automatisation des workflows de test et de validation
  • Laboratoire pratique : évaluation des prompts et des sorties

Déploiement et surveillance des modèles

  • Intégration des modèles optimisés dans les applications
  • Surveillance des performances et détection de drift
  • Laboratoire pratique : déploiement d'un modèle ajusté finement

Bonnes pratiques pour l'optimisation de l'IA en entreprise

  • Scalabilité et gestion des coûts
  • Considérations éthiques et atténuation des biais
  • Étude de cas : amélioration des applications d'IA en production

Directions futures en ajustement fin et gestion des prompts

  • Tendances émergentes dans l'optimisation des LLM
  • Ajustement automatique des prompts et apprentissage par renforcement
  • Implications stratégiques pour l'adoption d'entreprise

Résumé et étapes suivantes

Pré requis

  • Expérience avec les workflows d'apprentissage machine
  • Connaissance de la programmation Python
  • Familiarité avec les plateformes d'IA basées sur le cloud

Public cible

  • Ingénieurs en IA
  • Praticiens MLOps
  • Data scientists
 14 Heures

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires