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 Afinamiento Fino de DeepSeek LLM
- Descripción general de los modelos DeepSeek, por ejemplo, DeepSeek-R1 y DeepSeek-V3
- Comprender la necesidad del afinamiento fino en LLM
- Comparación entre el afinamiento fino y el diseño de prompts (prompt engineering)
Preparación del Conjunto de Datos para el Afinamiento Fino
- Selección de conjuntos de datos específicos del dominio
- Técnicas de preprocesamiento y limpieza de datos
- Tokenización y formato del conjunto de datos para DeepSeek LLM
Configuración del Entorno de Afinamiento Fino
- Configuración de aceleración con GPU y TPU
- Configuración de Hugging Face Transformers para DeepSeek LLM
- Comprensión de los hiperparámetros utilizados en el afinamiento fino
Realización del Afinamiento Fino de DeepSeek LLM
- Implementación de supervisión en el afinamiento (supervised fine-tuning)
- Uso de LoRA (Adaptación de Bajo Rango) y PEFT (Afinamiento Fino Eficiente en Parámetros)
- Ejecución de afinamiento distribuido para grandes conjuntos de datos
Evaluación y Optimización de los Modelos Entrenados
- Evaluación del rendimiento del modelo mediante métricas específicas
- Manejo del sobreajuste (overfitting) y el subajuste (underfitting)
- Optimización de la velocidad de inferencia y eficiencia del modelo
Implementación de Modelos DeepSeek Entrenados
- Empaquetado de modelos para despliegue mediante API
- Integración de los modelos entrenados en aplicaciones existentes
- Escalabilidad de despliegues mediante computación en la nube y edge computing
Casos de Uso y Aplicaciones en el Mundo Real
- LLM entrenados específicamente para finanzas, salud y soporte al cliente
- Estudios de casos sobre aplicaciones en la industria
- Consideraciones éticas en modelos de IA específicos del dominio
Resumen y Próximos Pasos
Requerimientos
- Experiencia con marcos de trabajo de aprendizaje automático y aprendizaje profundo
- Familiaridad con transformadores y modelos de lenguaje grande (LLM)
- Comprensión de técnicas de preprocesamiento de datos y entrenamiento de modelos
Audiencia Objetivo
- Investigadores de IA que exploran el afinamiento fino de LLM
- Ingenieros de aprendizaje automático que desarrollan modelos de IA personalizados
- Desarrolladores avanzados implementando soluciones basadas en IA
21 Horas
