Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems Training Course
Fine-Tuning για συστήματα Retrieval-Augmented Generation (RAG) είναι ο διαδρομή της βελτίωσης που αποκτούν τα μεγάλα μοντέλα γλώσσας στην αναζήτηση και παραγωγή επικεφαλίδων πληροφοριών από εξωτερικές πηγές για επιχειρηματικά εφαρμογές.
Αυτή η διδασκαλία με ιδιότυπο διδάσκων (διαπερστική ή παρουσία) στοχεύει σε επαγγελματίες NLP και ομάδες διαχείρισης γνώσης επιπέδου μέσω το οποίο θέλουν να βελτιώσουν τις RAG παραγωγικές διαδικασίες για την αύξηση της επίδοσης σε περιπτώσεις χρήσης όπως απάντηση ερωτήσεων, ευρετήρια επιχειρήσεων και συμπλοκές.
Στο τέλος αυτής της διδασκαλίας, οι συμμετέχοντες θα μπορούν να:
- Καταλάβουν την αρχιτεκτονική και τη διαδικασία εργασίας των συστημάτων RAG.
- Βελτιώσουν τους παραγωγούς και τους γενετείς συνιστώσες για δομές δεδομένων ειδικότητας.
- Αξιολογήσουν την επίδοση RAG και εφαρμόζουν βελτιώσεις μέσω τεχνικών PEFT.
- Εγκαταστήσουν βελτιωμένα συστήματα RAG για εσωτερική ή παραγωγική χρήση.
Σχήμα του μαθήματος
- Επικοινωνητικό δάσκαλο και συζήτηση.
- Πολλές ασκήσεις και πρακτική.
- Εφαρμογή με χέρια ενός ζωντανού περιβάλλοντος laboratorium.
Προσαρμογή του μαθήματος
- Για να απαιτήσετε μία προσαρμοσμένη διδασκαλία για αυτό το μάθημα, παρακαλώ επικοινωνήστε μαζί μας για να καταμετρήσετε.
Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Εισαγωγή στην Retrieval-Augmented Generation (RAG)
- Τι είναι το RAG και γιατί είναι σημαντικό για την επιχειρηματική AI
- Συστατικά στοιχεία ενός RAG συστήματος: retriever, generator, document store
- Σύγκριση με standalone LLMs και vector search
Εγκατάσταση ενός ποδηλάτου RAG
- Εγκατάσταση και διαμόρφωση Haystack ή παρόμοιων πλαίσιων
- Έλευση και preprocessing εγγράφων
- Σύνδεση retrievers με vector databases (π.χ., FAISS, Pinecone)
Fine-Tuning ο Retriever
- Εκπαίδευση dense retrievers χρησιμοποιώντας περιβάλλοντα δεδομένων
- Χρήση sentence transformers και contrastive learning
- Αξιολόγηση της ποιότητας του retriever με top-k ακρίβεια
Fine-Tuning ο Generator
- Επιλογή βάσεων μοντέλων (π.χ., BART, T5, FLAN-T5)
- Instruction tuning vs. supervised fine-tuning
- Μέθοδοι LoRA και PEFT για αποτελεσματικά ενημερώσεις
Αξιολόγηση και οικοδομή
- Μέτρα για την αξιολόγηση της επίδοσης RAG (π.χ., BLEU, EM, F1)
- Λειψυκία, ποιότητα ανάκτησης και μείωση hallucination
- Tracking πειραμάτων και επαναληπτική βελτίωση
Εγκατάσταση και Προσδιορισμός στον Κόσμο του Μέτρου
- Εγκατάσταση RAG σε εσωτερικά search engines και chatbots
- Ασφάλεια, πρόσβαση σε δεδομένα και θεσμικές ανησυχίες
- Προσδιορισμός με APIs, dashboards ή γνώση portals
Περιπτώσεις και Καλές Διακυβερνήσεις
- Επιχειρηματικά περιπτώσεις στον τομέα των χρηματοοικονομικών, Υγείας και Δικαίου
- Διαχείριση domain drift και ενημερώσεων της γνωστικής βάσης
- Μέλλοντα κατευθύνσεις σε αποδοχή-augmented LLM συστήματα
Επεξεργασία και Περιορισμός των επόμενων βημάτων
Requirements
- Συνειδητοποίηση των καταλλήλων προτύπων επεξεργασίας φυσικών γλωσσών (NLP)
- Εμπειρία με τρανσφόρμερ βασισμένους λογισμικούς προτύπους γλώσσας
- Γνώση των Python και βασικών διεργασιών μηχανικής μάθησης
Πúblico
- Στέλεχα NLP
- Επιμορφωτικοί τμήματα δεδομένων
14 Hours
Open Training Courses require 5+ participants.
Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems Training Course - Booking
Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems Training Course - Enquiry
Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems - Consultancy Enquiry
Consultancy Enquiry
Upcoming Courses
Related Courses
Advanced Techniques in Transfer Learning
14 HoursΑυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες μηχανικής εκμάθησης προηγμένου επιπέδου που επιθυμούν να κατακτήσουν τις σύγχρονες τεχνικές μεταφοράς εκμάθησης και να τις εφαρμόσουν σε πολύπλοκα προβλήματα του πραγματικού κόσμου.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Κατανοήστε προηγμένες έννοιες και μεθοδολογίες στη μεταφορά μάθησης.
- Εφαρμογή τεχνικών προσαρμογής σε συγκεκριμένο τομέα για προεκπαιδευμένα μοντέλα.
- Εφαρμόστε συνεχή μάθηση για τη διαχείριση εξελισσόμενων εργασιών και συνόλων δεδομένων.
- Κατακτήστε τη λεπτομέρεια πολλαπλών εργασιών για να βελτιώσετε την απόδοση του μοντέλου σε όλες τις εργασίες.
Read more...
Deploying Fine-Tuned Models in Production
21 HoursΑυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες προηγμένου επιπέδου που επιθυμούν να αναπτύξουν βελτιωμένα μοντέλα αξιόπιστα και αποτελεσματικά.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Κατανοήστε τις προκλήσεις της ανάπτυξης βελτιωμένων μοντέλων στην παραγωγή.
- Δημιουργήστε κοντέινερ και αναπτύξτε μοντέλα χρησιμοποιώντας εργαλεία όπως Docker και Kubernetes.
- Εφαρμογή παρακολούθησης και καταγραφής για αναπτυγμένα μοντέλα.
- Βελτιστοποιήστε μοντέλα για καθυστέρηση και επεκτασιμότητα σε σενάρια πραγματικού κόσμου.
Read more...
Domain-Specific Fine-Tuning for Finance
21 HoursΑυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες μεσαίου επιπέδου που επιθυμούν να αποκτήσουν πρακτικές δεξιότητες στην προσαρμογή μοντέλων AI για κρίσιμες οικονομικές εργασίες.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Κατανόηση των θεμελιωδών αρχών της μικρορύθμισης για χρηματοοικονομικές εφαρμογές.
- Αξιοποιήστε προεκπαιδευμένα μοντέλα για εργασίες σε συγκεκριμένους τομείς στα χρηματοοικονομικά.
- Εφαρμόστε τεχνικές για τον εντοπισμό απάτης, την αξιολόγηση κινδύνου και τη δημιουργία οικονομικών συμβουλών.
- Διασφαλίστε τη συμμόρφωση με τους οικονομικούς κανονισμούς όπως το GDPR και το SOX.
- Εφαρμογή ασφάλειας δεδομένων και ηθικών πρακτικών τεχνητής νοημοσύνης σε χρηματοοικονομικές εφαρμογές.
Read more...
Fine-Tuning Models and Large Language Models (LLMs)
14 HoursΑυτή η ζωντανή εκπαίδευση στο Ελλάδα από εκπαιδευτές (διαδικτυακή ή επιτόπου) απευθύνεται σε επαγγελματίες μεσαίου έως προχωρημένου επιπέδου που επιθυμούν να προσαρμόσουν προεκπαιδευμένα μοντέλα για συγκεκριμένες εργασίες και σύνολα δεδομένων.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Κατανόηση των αρχών της μικρορύθμισης και των εφαρμογών της.
- Προετοιμάστε σύνολα δεδομένων για βελτιστοποίηση προεκπαιδευμένων μοντέλων.
- Βελτιώστε τα μοντέλα μεγάλων γλωσσών (LLM) για εργασίες NLP.
- Βελτιστοποιήστε την απόδοση του μοντέλου και αντιμετωπίστε κοινές προκλήσεις.
Read more...
Efficient Fine-Tuning with Low-Rank Adaptation (LoRA)
14 HoursΑυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε προγραμματιστές μεσαίου επιπέδου και επαγγελματίες τεχνητής νοημοσύνης που επιθυμούν να εφαρμόσουν στρατηγικές λεπτομέρειας για μεγάλα μοντέλα χωρίς την ανάγκη εκτεταμένων υπολογιστικών πόρων.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Κατανοήστε τις αρχές της Προσαρμογής Χαμηλής Κατάταξης (LoRA).
- Εφαρμόστε το LoRA για αποτελεσματική μικρορύθμιση μεγάλων μοντέλων.
- Βελτιστοποιήστε τη λεπτομέρεια για περιβάλλοντα με περιορισμένους πόρους.
- Αξιολογήστε και αναπτύξτε μοντέλα συντονισμένα με LoRA για πρακτικές εφαρμογές.
Read more...
Fine-Tuning Multimodal Models
28 HoursΑυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακά ή επιτόπου) απευθύνεται σε επαγγελματίες προηγμένου επιπέδου που επιθυμούν να κατακτήσουν τη λεπτομέρεια πολυτροπικών μοντέλων για καινοτόμες λύσεις τεχνητής νοημοσύνης.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Κατανοήστε την αρχιτεκτονική πολυτροπικών μοντέλων όπως το CLIP και το Flamingo.
- Προετοιμάστε και προεπεξεργαστείτε αποτελεσματικά πολυτροπικά σύνολα δεδομένων.
- Βελτιώστε τα πολυτροπικά μοντέλα για συγκεκριμένες εργασίες.
- Βελτιστοποιήστε μοντέλα για εφαρμογές και επιδόσεις πραγματικού κόσμου.
Read more...
Fine-Tuning for Natural Language Processing (NLP)
21 HoursΑυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες μεσαίου επιπέδου που επιθυμούν να βελτιώσουν τα έργα τους NLP μέσω της αποτελεσματικής προσαρμογής προεκπαιδευμένων μοντέλων γλώσσας.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Κατανοήστε τις βασικές αρχές της μικρορύθμισης για εργασίες NLP.
- Βελτιστοποιήστε τα προεκπαιδευμένα μοντέλα όπως τα GPT, BERT και T5 για συγκεκριμένες εφαρμογές NLP.
- Βελτιστοποιήστε τις υπερπαραμέτρους για βελτιωμένη απόδοση μοντέλου.
- Αξιολογήστε και αναπτύξτε τα τελειοποιημένα μοντέλα σε πραγματικά σενάρια.
Read more...
Fine-Tuning DeepSeek LLM for Custom AI Models
21 HoursΑυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε ερευνητές τεχνητής νοημοσύνης προχωρημένου επιπέδου, μηχανικούς μηχανικής μάθησης και προγραμματιστές που επιθυμούν να τελειοποιήσουν DeepSeek μοντέλα LLM για να δημιουργήσουν εξειδικευμένες εφαρμογές τεχνητής νοημοσύνης προσαρμοσμένες σε συγκεκριμένες βιομηχανίες, τομείς ή επιχειρηματικές ανάγκες.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Κατανοήστε την αρχιτεκτονική και τις δυνατότητες των DeepSeek μοντέλων, συμπεριλαμβανομένων των DeepSeek-R1 και DeepSeek-V3.
- Προετοιμάστε σύνολα δεδομένων και προεπεξεργαστείτε δεδομένα για τελειοποίηση.
- Βελτιστοποιήστε το DeepSeek LLM για εφαρμογές ειδικού τομέα.
- Βελτιστοποιήστε και αναπτύξτε αποτελεσματικά βελτιστοποιημένα μοντέλα.
Read more...
Fine-Tuning Large Language Models Using QLoRA
14 HoursΑυτή η εκπαίδευση με οδηγό σε ύψιστη ζώνη (online ή αποδοχάριθμη) προσβλέπει σε μηχανικούς εξειδίκευσης μάशιν-λέρνινγκ, αναπτυκτές AI και επιστήμονες δεδομένων που θέλουν να μάθουν πώς να χρησιμοποιήσουν το QLoRA για αποτελεσματική εφαρμογή μεγάλων μο델 συγκεκριμένων υποθέσεων και προσαρμογών.
Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορέσουν να:
- Καταλάβουν τη θεωρία πίσω από το QLoRA και τις τεχνικές εκτιμήσεων για LLMs.
- Εφαρμόσουν το QLoRA στην εφαρμογή μεγάλων λεξικολογικών μοδέλων για προσβλέπουσες εφαρμογές.
- Οικονομοποιήσουν την απόδοση εφαρμογής σε περιορισμένα υπολογιστικά πόρα με τη χρήση των τεχνικών εκτιμήσεων.
- Ανάπτυξαν και αξιολογήσαν οικοδομημένα μοντέλα σε πραγματικό περιβάλλον εφαρμογών αποτελεσματικά.
Read more...
Fine-Tuning Open-Source LLMs (LLaMA, Mistral, Qwen, etc.)
14 HoursΑυτή η εκπαιδευτική διαμορφωτική εκπαιδευτική μάθηση σε Ελλάδα (online ή από το χώρο εργασίας) προσβλέπει σε ερευνητές ML επιπέδου μέσω και αναπτυξτές AI οι οποίοι θέλουν να ρυθμίσουν και να εγκαταστήσουν δημόσια βάρη μοντέλων όπως το LLaMA, Mistral και Qwen για συγκεκριμένες επιχειρηματικές ή εσωτερικές εφαρμογές.
Στο τέλος αυτής της μάθησης, οι συμμετέχοντες θα μπορούν να:
- Καταλάβουν το οικοσύστημα και τις διαφορές μεταξύ των ανοιχτών πηγών LLMs.
- Ετοιμάζουν συνόλα δεδομένων και ρυθμίσεις για τη ρύθμιση μοντέλων όπως LLaMA, Mistral και Qwen.
- Εκτελούν παραγωγικά διαδίκτυα ρύθμισης χρησιμοποιώντας τους Hugging Face Transformers και PEFT.
- Αξιολογούν, αποθηκεύουν και εγκαταστήσουν ρυθμισμένα μοντέλα σε ασφαλή περιβάλλοντα.
Read more...
Fine-Tuning with Reinforcement Learning from Human Feedback (RLHF)
14 HoursΑυτή η εκπαιδευτική μάθηση σε ύφος (online ή από διασκέδαση) Ελλάδα, προσβάλλει εξειδικευμένους μηχανικολόγους μαθητικών και έρευνες AI που θέλουν να εφαρμόσουν RLHF για τον αναδιάρθρωση μεγάλων μοντέλων AI για καλύτερη περформάνς, ασφάλεια και συμβατότητα.
Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:
- Κατανοήσουν τις θεωρητικές βάσεις του RLHF και γιατί είναι απαραίτητες στη σύγχρονη ανάπτυξη AI.
- Εφαρμόζουν μοντέλα βαθμολόγησης βασισμένα σε ανθρώπινη παρακολούθηση για να οδηγήσουν τις διαδικασίες μάθησης ενισχυτέο.
- Αναδιαρθρώνουν μεγάλα λεξικαλικά μοντέλα χρησιμοποιώντας τεχνικές RLHF για να συμβαδίζουν τα αποτελέσματα με τις προτιμήσεις των ανθρώπων.
- Εφαρμόζουν καλές πρακτικές για την επέκταση διαδικασιών RLHF για AI συστήματα παραγωγικού επιπέδου.
Read more...
Fine-Tuning Vision-Language Models (VLMs)
14 HoursThis instructor-led, live training in Ελλάδα (online or onsite) is aimed at advanced-level computer vision engineers and AI developers who wish to fine-tune VLMs such as CLIP and Flamingo to improve performance on industry-specific visual-text tasks.
By the end of this training, participants will be able to:
- Understand the architecture and pretraining methods of vision-language models.
- Fine-tune VLMs for classification, retrieval, captioning, or multimodal QA.
- Prepare datasets and apply PEFT strategies to reduce resource usage.
- Evaluate and deploy customized VLMs in production environments.
Read more...
Optimizing Large Models for Cost-Effective Fine-Tuning
21 HoursΑυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακά ή επιτόπου) απευθύνεται σε επαγγελματίες προχωρημένου επιπέδου που επιθυμούν να κατακτήσουν τεχνικές για τη βελτιστοποίηση μεγάλων μοντέλων για οικονομικά αποδοτική λεπτομέρεια σε σενάρια πραγματικού κόσμου.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Κατανοήστε τις προκλήσεις της τελειοποίησης των μεγάλων μοντέλων.
- Εφαρμόστε κατανεμημένες τεχνικές εκπαίδευσης σε μεγάλα μοντέλα.
- Αξιοποιήστε την κβαντοποίηση και το κλάδεμα του μοντέλου για αποτελεσματικότητα.
- Βελτιστοποιήστε τη χρήση του υλικού για εργασίες τελειοποίησης.
- Αναπτύξτε αποτελεσματικά βελτιωμένα μοντέλα σε περιβάλλοντα παραγωγής.
Read more...
Prompt Engineering and Few-Shot Fine-Tuning
14 HoursΑυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακή ή επιτόπου) απευθύνεται σε επαγγελματίες μεσαίου επιπέδου που επιθυμούν να αξιοποιήσουν τη δύναμη της άμεσης μηχανικής και της μάθησης με λίγες λήψεις για τη βελτιστοποίηση της απόδοσης LLM για εφαρμογές πραγματικού κόσμου.
Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:
- Κατανοήστε τις αρχές της άμεσης μηχανικής και της μάθησης με λίγα βήματα.
- Σχεδιάστε αποτελεσματικές προτροπές για διάφορες εργασίες NLP.
- Αξιοποιήστε τεχνικές λίγες λήψεις για να προσαρμόσετε τα LLM με ελάχιστα δεδομένα.
- Βελτιστοποιήστε την απόδοση LLM για πρακτικές εφαρμογές.
Read more...
Parameter-Efficient Fine-Tuning (PEFT) Techniques for LLMs
14 HoursΑυτή η εκπαιδευτική διαμορφωτική εκπαιδευτική σύνθεση σε Ελλάδα (διαδικτύου ή εγκατεστημένη) προσβάλλει μεσαίου επιπέδου δεδομένων επιστήμονες και μηχανικού AI που θέλουν να αναδιατυπώσουν μεγάλα λεξικά μοντέλα με λιγότερο κόστος και πιο αποτελεσματικά χρησιμοποιώντας μέθοδους όπως LoRA, Adapter Tuning, και Prefix Tuning.
Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:
- Καταλάβουν τη θεωρία πίσω από τις προσεγγίσεις αποτελεσματικής αναδιατύπωσης παραμέτρων.
- Εφαρμόσουν LoRA, Adapter Tuning, και Prefix Tuning χρησιμοποιώντας Hugging Face PEFT.
- Συγκρίνουν τις επιδόσεις και τους αλλάγματα κόστους των μεθόδων PEFT προς την ολική αναδιατύπωση.
- Εφαρμόζουν και διευρύνουν τα αναδιατυπωμένα LLMs με μειωμένα υπολογιστικά και αποθήκευσης απαιτήματα.
Read more...
