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 de DeepSeek LLM
- Visión general de los modelos DeepSeek, por ejemplo, DeepSeek-R1 y DeepSeek-V3
- Comprensión de la necesidad de realizar ajuste fino en LLM
- Comparación entre ajuste fino e ingeniería de instrucciones (prompt engineering)
Preparación del conjunto de datos para el ajuste fino
- Selección y curación de conjuntos de datos específicos del dominio
- Técnicas de preprocesamiento y limpieza de datos
- Tokenización y formato de conjuntos de datos para DeepSeek LLM
Configuración del entorno para el 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
Realización del ajuste fino de 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 adecuadas
- Manejo del sobreajuste (overfitting) y el subajuste (underfitting)
- Optimización de la velocidad de inferencia y la eficiencia del modelo
Implementación de modelos DeepSeek ajustados en producción
- Empaquetado de modelos para su implementación mediante API
- Integración de los modelos ajustados en aplicaciones
- Escalamiento de las implementaciones con computación en la nube y edge computing
Casos de uso y aplicaciones reales
- LLM ajustados para finanzas, atención médica y soporte al cliente
- Estudios de caso de aplicaciones industriales
- Consideraciones éticas en modelos de IA específicos del dominio
Resumen y próximos pasos
Requerimientos
- Experiencia con marcos de aprendizaje automático y aprendizaje profundo
- Conocimiento de 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 LLM
- Ingenieros de aprendizaje automático que desarrollan modelos de IA personalizados
- Desarrolladores avanzados que implementan soluciones impulsadas por IA
21 Horas
