Course Outline

Εισαγωγή και θεμελιώσεις Διαγνωστικών

  • Υπόθεση των μορφών αποτυχίας σε λειτουργίες LLM και κοινές ιδιότητες ελλείψεων Ollama
  • Δημιουργία αποτελεσματικών πειραμάτων και υποχρεωτικών περιβαλλόντων
  • Εργαλεία διάβυσης λογαριασμών: τοπικοί λογαριασμοί, αποθήκευση εισαιτιακών/απαντητικών και sandboxing

Αναπαραγωγή και Ισολογισμός Αποτυχημάτων

  • Τεχνικές για τη δημιουργία παραδειγμάτων και σπορών με ισχυρή αποτυχία
  • Διαφορές σε stateful vs stateless διαλόγους: ισολογισμός παρεμφερών λάθων
  • Η τυχαιότητα, ο καθοδήγησης από τη σύγκρουση και η ελέγχουμενη αστάθεια

Αξιολόγηση Περιεχομένου και Μέτρων

  • Κυβείδων μέτρων: ακρίβεια, ROUGE/BLEU παραλληλισμούς, επεξεργασία και παράλογα προσόντα
  • Τυπικών αξιολογήσεων: αξιολόγηση με επιδιάβασμα και σχέδια δίκαιων ορίων
  • Ελέγχους πιθανότητας για αναπτυξιακούς τεστ και υποχρεώσεις πρόσληψης

Αυτοματοποιημένη Δοκιμή και Επίβλεψη

  • Ενιαίου τεστ προεδρεύων και συνθέτων, αξιολογήσεις περιεχομένου και κατά μήκος της οδός
  • Δημιουργία επιβλεψιμών πακέτων και βασικών δείγματων
  • Ενσωμάτωση CI/CD για Ollama ανανεώσεις μοντέλων και εφυδρωθέντες δικαιώματα παρακολούθησης

Παρατήρηση και Παρακολούθηση

  • Συνδεδεμένων λογαριασμών, διάδοχου πρότυπου διαφορών και αναπαράστασης ID
  • Κλείδι υπολογιστική μέτρων: τυχαία παύση, ολοκληρωμένου λόγου καταχώρησης, εμφάνιση σφαλμάτων και απόδειξη ποιότητας
  • Ειδοποιήσεις, δυναμικές εικονικές οθόνες και SLIs/SLOs για αλληλεγγύα μετρικών βάσων

Εξειδίκευσης Αναζήτησης των Καινούργιων Λόγων

  • Αναπαράσταση σε γραφικές εκδηλώσεις, καλές πρότυποι δημιουργίας και έξισων ροών
  • Διαφορετικά A/B διάγνωση συγκριμένων και περιόδου απόλυσης μελετών
  • Πρόθεση δεδομένων, τα ζήτημα για τα συναγωγές και υπεύθυνοι σφάλματα που προκαλούνται από δεδομένα

Πρόσβαση, Αξιοπιστία και Εγγυήσεις Ιάσιμων Στρατηγικών

  • Αλληλεγγύες: πρόσβαση, ρίζες αξιοπιστίας, δυναμική ξέδιαση και προεδρεύων τεχνικών στήριγμου
  • Αλληλεγγύες: απόδυση, canary, και δημιουργία πατέντων φάσης για εκτελούμενα μοντέλα
  • Μετά θανάτων, μάθηση και συνεχείς βελτιώσεις πυρήνων

Επόμενοι βήμοι και Περιέγεια

Requirements

  • Στυγνή εμπειρία στην κατασκευή και χορήγηση εφαρμογών LLM
  • Αντιληπτικότητα των διαδικασιών Ollama και διαχείριση μοντέλων
  • Ευεξία στο Python, Docker και βασικά εργαλεία παρακολούθησης

Διαδραστές

  • Σχεδιαστές AI
  • Επαγγελματίες ML Ops
  • Η τυποθετούμενες ομάδες QA για προϊόντα LLM συστήματα
 35 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories