نظرة عامة على الدورة
احصل على نظرة عامة على الدورة التدريبية، والجمهور المستهدف، ونتائج التعلم.
يسعدنا انضمامك إلينا في رحلتك نحو إتقان ضبط نماذج اللغة الكبيرة باستخدام تقنيات متقدمة مثل LoRA وQLoRA. ستمنحك هذه الدورة الفهم النظري والمهارات العملية اللازمة لتخصيص نماذج اللغة الكبيرة مثل Llama 3، وتحسينها لمهام محددة، نشر بكفاءة.
لماذا يجب الالتحاق بهذه الدورة؟
تُعد نماذج اللغة الكبيرة (LLMs) في طليعة ابتكارات التعلم الآلي، وهي قادرة على أداء مهام متنوعة مثل:
توليد النصوص (مثل كتابة المقالات أو كتابة البرامج)
تصنيف النصوص (مثل تحليل المشاعر أو اكتشاف البريد العشوائي)
الترجمة اللغوية (على سبيل المثال، ترجمة المحتوى بين اللغات)
على الرغم من تعدد استخداماتها، تفتقر النماذج المدربة مسبقًا في كثير من الأحيان إلى التخصص في تطبيقات محددة. وهنا يأتي دور الضبط الدقيق، الذي يسمح لك بتكييف هذه النماذج القوية مع احتياجاتك الفريدة.
في هذه الدورة، ستتعلم كيف:
استخدم التكيف منخفض الرتبة (LoRA) و LoRA الكمي (QLoRA) لضبط النماذج الضخمة بكفاءة مع الحد الأدنى من متطلبات الموارد.
قم بتطبيق تقنيات التكميم مثل int8 وتكميم البتات والبايتات لتقليل حجم النموذج وتحسين كفاءة النشر.
قم بتخصيص وتحسين برنامج Llama 3 لتحقيق أداء متطور لمهامك.
لمن هذه الدورة؟
تم تصميم هذه الدورة التدريبية لمجموعة واسعة من المتعلمين، بما في ذلك:
علماء البيانات الذين يسعون إلى تكييف نماذج التعلم الآلي للبيانات المتخصصة.
مطورو البرامج الذين يهدفون إلى دمج نماذج دقيقة في التطبيقات.
ممارسو البرمجة اللغوية العصبية الذين يتطلعون إلى تحسين مهاراتهم في الضبط الدقيق الفعال للمعلمات (PEFT).
الطلاب المهتمون بالتطبيقات العملية لتقنيات الذكاء الاصطناعي المتقدمة.
ماذا ستتعلم؟
فيما يلي نبذة مختصرة عن هيكل الدورة:
أساسيات الضبط الدقيق:
افهم ما هو الضبط الدقيق واستكشف تقنياته مفتاح .
تعرّف على عملية التكميم وكيف تساعد في تقليل حجم النموذج مع الحفاظ على الدقة.
استكشاف تقنيتي LoRA و QLoRA:
تعمّق في ضبط LoRA الدقيق والتكيف الكمي منخفض الرتبة (QLoRA) لتخصيص النموذج بكفاءة عالية من حيث الموارد.
اكتسب خبرة عملية في ضبط نموذج Llama 3 باستخدام مجموعات بيانات مخصصة.
التطبيقات العملية والخلاصة:
طبّق معرفتك في مشروع التخرج، وحل مشكلة واقعية باستخدام الضبط الدقيق لبرنامج ماجستير القانون.
استكشف الاتجاهات الناشئة في مجال الذكاء الاصطناعي وتقنيات الضبط الدقيق.
المتطلبات الأساسية
فيما يلي بعض المتطلبات الأساسية التي يمكن أن تساعدك على تحقيق أقصى استفادة من هذه الدورة:
لغة البرمجة: إتقان Python ومكتبات مثل PyTorch و Hugging Face's Transformers وما إلى ذلك.
مفاهيم معالجة اللغة الطبيعية: الإلمام بالمفاهيم الأساسية للذكاء الاصطناعي، مثل التعلم الآلي، والذكاء الاصطناعي التوليدي، وأطر التعلم العميق مثل PyTorch أو TensorFlow.
نماذج اللغة الكبيرة: فهم نماذج اللغة الكبيرة (LLMs) وبنية المحولات.
مبادئ معالجة اللغة الطبيعية الأساسية: الإلمام بمفاهيم مثل التجزئة، والتجذير، والتحليل الصرفي، والتضمين.
نقاط قوة الدورة
فيما يلي بعض نقاط القوة مفتاح لهذه الدورة. وقد لخصنا نقاط القوة ومزايا هذه الدورة في الجدول أدناه:
Strength | Advantages |
Structured learning | We've logically structured our course by starting from the basics and gradually moving to more complex topics, ensuring a smooth learning curve for learners. |
Comprehensice fine-tuning coverage | We have provided a comprehensive understanding of various fine-tuning techniques, enabling learners to effectively adapt and apply them. |
In-depth LoRA and QLoRA exploration | We have covered an in-depth explanation of LoRA and QLoRA architectures, providing learners with a thorough understanding of their applications. |
Hands-on experience | We provide hands-on learning to learners by providing GPU-powered execution of codes within our course, reinforcing theoretical knowledge through application. |
سنترك لكم خلال رحلتكم التعليمية ملاحظات موجزة بعنوان " معلومات قيّمة "، تتضمن حقائق شيقة أو إجابات لأسئلة قد تخطر ببالكم أثناء القراءة. صُممت هذه المعلومات لإثراء تجربتكم التعليمية ومنحكم فهمًا أعمق لعالم تطوير برامج الماجستير في القانون.