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 LLMs de DeepSeek
- Visión general de los modelos DeepSeek, p. ej., DeepSeek-R1 y DeepSeek-V3
- Comprensión de la necesidad de ajustar finamente (fine-tuning) los LLMs
- Comparación entre ajuste fino e ingeniería de instrucciones (prompt engineering)
Preparación del conjunto de datos para el ajuste fino
- Selección y curaduría de conjuntos de datos específicos del dominio
- Técnicas de procesamiento previo y limpieza de datos
- Tokenización y formato de conjuntos de datos para LLMs de DeepSeek
Configuración del entorno de ajuste fino
- Configuración de aceleración mediante GPU y TPU
- Configuración de Hugging Face Transformers con LLMs de DeepSeek
- Comprensión de los hiperparámetros para el ajuste fino
Ajuste fino de LLMs de DeepSeek
- Implementación de ajuste fino supervisado (supervised fine-tuning)
- 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 modelos ajustados
- Evaluación del rendimiento del modelo mediante métricas específicas
- Manejo del sobreajuste (overfitting) y el subajuste (underfitting)
- Optimización de la velocidad de inferencia y la eficiencia del modelo
Implementación de modelos DeepSeek ajustados
- Empaquetado de modelos para su implementación mediante API
- Integración de modelos ajustados en aplicaciones existentes
- Escalado de implementaciones mediante computación en la nube y edge computing
Casos de uso reales y aplicaciones
- LLMs ajustados para finanzas, salud y soporte al cliente
- Estudios de casos de aplicaciones industriales
- Consideraciones éticas en modelos de IA específicos del dominio
Resumen y próximos pasos
Requerimientos
- Experiencia con marcos de aprendizaje automático (machine learning) y aprendizaje profundo (deep learning)
- Familiaridad con transformadores (transformers) y modelos de lenguaje grandes (LLMs)
- Comprensión de técnicas de procesamiento previo de datos y entrenamiento de modelos
Público objetivo
- Investigadores de IA que exploran el ajuste fino de LLMs
- Ingenieros de aprendizaje automático que desarrollan modelos de IA personalizados
- Desarrolladores avanzados que implementan soluciones impulsadas por IA
21 Horas
