Prenez contact avec nous

Plan du cours

Introduction à la personnalisation avancée des modèles

  • Aperçu du raffinement et de la gestion des invites dans Vertex AI
  • Cas d'utilisation pour l'optimisation des modèles
  • Atelier pratique : configuration de l'espace de travail Vertex AI

Raffinement supervisé des modèles Gemini

  • Préparation des données d'entraînement pour le raffinement
  • Exécution des pipelines de raffinement supervisé
  • Atelier pratique : raffinement d'un modèle Gemini

Ingénierie des invites et gestion des versions

  • Conception d'invites efficaces pour l'IA générative
  • Contrôle de version et reproductibilité
  • Atelier pratique : création et test de versions d'invites

Évaluation et benchmarking

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

Déploiement et supervision des modèles

  • Intégration des modèles optimisés dans les applications
  • Supervision de la performance et détection de la dérive
  • Atelier pratique : déploiement d'un modèle raffiné

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

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

Perspectives futures en matière de raffinement et de gestion des invites

  • Tendances émergentes dans l'optimisation des LLM
  • Adaptation automatisée des invites et apprentissage par renforcement
  • Implications stratégiques pour l'adoption en entreprise

Résumé et prochaines étapes

Pré requis

  • Expérience avec les workflows d'apprentissage automatique
  • Connaissances en programmation Python
  • Maîtrise des plateformes d'IA basées sur le cloud

Audience cible

  • Ingénieurs en IA
  • Praticiens en MLOps
  • Scientifiques des données
 14 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires