LLM Fine-Tuning: LoRA, QLoRA ve Hugging Face
Ne zaman fine-tune, veri hazırlama, LoRA/QLoRA ile parametre-verimli eğitim, değerlendirme ve dağıtım.
Seviye
İleri
Süre
24 saat
Tahmini yayın
2027 Q3
Kategori
Machine Learning ve Deep Learning
Bir LLM'i kendi göreve/alana uyarlamayı uçtan uca öğreten ileri kurs. 'Fine-tune mı, RAG mi?' kararından veri seti hazırlamaya, LoRA ve QLoRA ile parametre-verimli (ve tek GPU'da mümkün) eğitimden değerlendirme ve dağıtıma; Hugging Face ekosistemiyle gerçek bir model uyarlaması yaparsın.
Öğrenilecek teknolojiler
Ne öğreneceksin
- Fine-tune vs RAG kararını doğru verme
- Kaliteli fine-tuning veri seti hazırlama
- LoRA/QLoRA ile parametre-verimli eğitim
- Uyarlanan modeli değerlendirme ve dağıtma
Kimler için
- Model uyarlaması yapan ML/AI mühendisleri
- Alan-özel LLM ihtiyacı olan ekipler
- Fine-tuning ile RAG arasında karar verenler
Müfredat özeti
- 01Fine-tuning ne zaman gerekir
- 02Veri seti hazırlama ve kalite
- 03LoRA ve QLoRA temelleri
- 04Hugging Face PEFT ile eğitim
- 05Değerlendirme ve overfitting
- 06Quantization ve dağıtım
Diğer kursları keşfet
Machine Learning ve Deep Learning
Machine Learning Bootcamp: Python ve Scikit-learn
Sıfırdan ML: Python, pandas, feature engineering, denetimli/denetimsiz öğrenme ve model değerlendirme.
Machine Learning ve Deep Learning
Deep Learning: PyTorch ile Sinir Ağları
Sinir ağı temelleri, backpropagation, PyTorch, CNN'ler, eğitim döngüsü ve GPU ile hızlandırma.
Machine Learning ve Deep Learning
Transformers ve NLP Mühendisliği
Attention ve transformer mimarisi, tokenization, Hugging Face, fine-tuning ve NLP görev pipeline'ları.