Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems Träningskurs
Fine-Tuning för Retrieval-Augmented Generation (RAG) System är processen att optimera hur stora språkliga modeller hämtar och genererar relevant information från externa källor för företagsapplikationer.
Denna instruktörsledda, live-training (online eller på plats) riktar sig till NLP-ingenjörer och kunskapsledningsteam på mellan-nivå som vill finjustera RAG-pipelines för att förbättra prestanda i frågebesvaring, företags-sökning och sammanfattningsanvändningsfall.
Vid slutet av denna utbildning kommer deltagarna att kunna:
- Förstå arkitekturen och arbetsflödet i RAG-system.
- Finjustera hämtare och genereringskomponenter för domänspecifik data.
- Utvärdera RAG-prestanda och tillämpa förbättringar genom PEFT-tekniker.
- Distribuera optimerade RAG-system för intern eller produktionsanvändning.
Utbildningsformat
- Interaktiv föreläsning och diskussion.
- Många övningar och praktik.
- Hands-on-implementering i en live-lab-miljö.
Alternativ för kursanpassning
- För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.
Kursplan
Introduktion till Retrieval-Augmented Generation (RAG)
- Vad är RAG och varför det är viktigt för företags AI
- Komponenter i ett RAG-system: retriever, generator, dokumentlager
- Jämförelse med fristående LLMs och vektorsökning
Installation av en RAG-Pipeline
- Installation och konfiguration av Haystack eller liknande ramverk
- Inmatning och förbehandling av dokument
- Anslutning av retrievers till vektordatabaser (t.ex., FAISS, Pinecone)
Fine-Tuning Retrivern
- Träning av täta retrievers med domänspecifika data
- Användning av meningstransformatorer och kontrastivt lärande
- Utvärdering av retrieverns kvalitet med top-k noggrannhet
Fine-Tuning Generatorn
- Val av basmodeller (t.ex., BART, T5, FLAN-T5)
- Instruktionstuning mot övervakad finjustering
- LoRA- och PEFT-metoder för effektiva uppdateringar
Utvärdering och Optimerings
- Mått för att utvärdera RAG-prestanda (t.ex., BLEU, EM, F1)
- Latens, retrieverkvalitet och reduktion av hallucinationer
- Experimentspårning och iterativ förbättring
Distribution och Integration i Verkliga Applikationer
- Distribution av RAG i interna sökmotorer och chatbotar
- Säkerhet, dataåtkomst och styrningsöverväganden
- Integration med API:er, instrumentpaneler eller kunskapsportaler
Fallstudier och Bäst Praktiker
- Företagsanvändningsfall inom finans, hälso- och sjukvård och juridik
- Hantering av domänförskjutning och uppdateringar av kunskapsbasen
- Framtida riktningar inom retrieval-augmenterade LLM-system
Sammanfattning och Nästa Steg
Krav
- Förståelse för naturliga språkbearbetnings (NLP) begrepp
- Erfarenhet av transformerbaserade språkmodeller
- Kännedom om Python och grundläggande maskininlärningsarbetsflöden
Målgrupp
- NLP-ingenjörer
- Kunskapsförvaltningsgrupper
Öppna Utbildningskurser kräver 5+ deltagare.
Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems Träningskurs - Bokning
Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems Träningskurs - Fråga
Fine-Tuning for Retrieval-Augmented Generation (RAG) Systems - Konsultfråga
Kommande Kurser
Relaterade Kurser
Avancerad finjustering och prompthantering i Vertex AI
14 TimmarAvancerade tekniker i transferlärande
14 TimmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till maskininlärningsproffs på avancerad nivå som vill behärska banbrytande överföringsinlärningstekniker och tillämpa dem på komplexa verkliga problem.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förstå avancerade begrepp och metoder inom överföringsinlärning.
- Implementera domänspecifika anpassningstekniker för förtränade modeller.
- Tillämpa kontinuerlig inlärning för att hantera föränderliga uppgifter och datauppsättningar.
- Bemästra finjustering av flera uppgifter för att förbättra modellens prestanda mellan uppgifter.
Continual Learning and Model Update Strategies for Fine-Tuned Models
14 TimmarDenna instruktörsledda, live-utbildning i Sverige (online eller på plats) riktar sig till avancerade AI-underhållstekniker och MLOps professionella som vill implementera robusta kontinuerliga inlärningspipelines och effektiva uppdateringsstrategier för utplacerade, finjusterade modeller.
Efter denna utbildning kommer deltagarna att kunna:
- Designa och implementera kontinuerliga inlärningsarbetsflöden för utplacerade modeller.
- Minska katastrofalt glömska genom korrekt träning och minneshantering.
- Automatisera övervakning och uppdateringsutlösare baserat på modellavvikelser eller dataförändringar.
- Integrera modelluppdateringsstrategier i befintliga CI/CD- och MLOps pipelines.
Införande av Fina Anpassade Modeller i Produktion
21 TimmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till proffs på avancerad nivå som vill distribuera finjusterade modeller på ett tillförlitligt och effektivt sätt.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förstå utmaningarna med att distribuera finjusterade modeller till produktion.
- Containerisera och distribuera modeller med hjälp av verktyg som Docker och Kubernetes.
- Implementera övervakning och loggning för distribuerade modeller.
- Optimera modeller för svarstid och skalbarhet i verkliga scenarier.
Domänspecifik Finafföring för Finans
21 TimmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till yrkesverksamma på mellannivå som vill få praktiska färdigheter i att anpassa AI-modeller för kritiska finansiella uppgifter.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förstå grunderna för finjustering för ekonomiprogram.
- Utnyttja förtränade modeller för domänspecifika uppgifter inom ekonomi.
- Tillämpa tekniker för upptäckt av bedrägerier, riskbedömning och generering av finansiell rådgivning.
- Se till att finansiella regler som GDPR och SOX följs.
- Implementera datasäkerhet och etiska AI-metoder i finansiella applikationer.
Fintuning av modeller och stora språkmodeller (LLM)
14 TimmarDenna instruktionsledda, live-utbildning i Sverige (online eller på plats) vänder sig till professionella på mellannivå till avancerad nivå som önskar att anpassa förtränade modeller för specifika uppgifter och dataset.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förstå principerna bakom fintuning och dess tillämpningar.
- Förbereda dataset för fintuning av förtränade modeller.
- Fintuna stora språkmodeller (LLM) för NLP-uppgifter.
- Optimera modellprestanda och hantera vanliga utmaningar.
Efficient Fine-Tuning with Low-Rank Adaptation (LoRA)
14 TimmarDenna instruktörsledda, liveträning i Sverige (online eller på plats) riktar sig till utvecklare på mellannivå och AI-utövare som vill implementera finjusteringsstrategier för stora modeller utan behov av omfattande beräkningsresurser.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förstå principerna för Low-Rank Adaptation (LoRA).
- Implementera LoRA för effektiv finjustering av stora modeller.
- Optimera finjustering för resursbegränsade miljöer.
- Utvärdera och distribuera LoRA-avstämda modeller för praktiska tillämpningar.
Fine-Tuning Multimodal Models
28 TimmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till proffs på avancerad nivå som vill behärska finjustering av multimodala modeller för innovativa AI-lösningar.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förstå arkitekturen för multimodala modeller som CLIP och Flamingo.
- Förbered och förbearbeta multimodala datauppsättningar effektivt.
- Finjustera multimodala modeller för specifika uppgifter.
- Optimera modeller för verkliga program och prestanda.
Fine-Tuning for Natural Language Processing (NLP)
21 TimmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till yrkesverksamma på mellannivå som vill förbättra sina NLP-projekt genom effektiv finjustering av förtränade språkmodeller.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förstå grunderna för finjustering för NLP-uppgifter.
- Finjustera förtränade modeller som GPT, BERT och T5 för specifika NLP-applikationer.
- Optimera hyperparametrar för bättre modellprestanda.
- Utvärdera och distribuera finjusterade modeller i verkliga scenarier.
Finjustering av AI för finansiella tjänster: riskprediktion och bedrägeridetektering
14 TimmarDetta instruktörledda, live-träning i Sverige (online eller på plats) riktas till avancerade datavetare och AI-ingenjörer i finanssektorn som vill finjustera modeller för tillämpningar såsom kreditscore, bedrägeridetektering och riskmodellering med domänsspecifika finansiella data.
Efter denna träning kommer deltagarna att kunna:
- Finjustera AI-modeller på finansdata för förbättrad bedrägeri- och riskprediktion.
- Använda tekniker som överföringsinlärning, LoRA och regularisering för att förbättra modellens effektivitet.
- Integrera finansiella komplianceaspekter i AI-modelleringsarbetsflödet.
- Distribuera finjusterade modeller för produktionsanvändning i finanstjänstepaltformar.
Finjustering av AI för hälsosjukvården: Medicinsk diagnos och prediktiv analys
14 TimmarDenna instruktörsguidade, live-träning i Sverige (online eller på plats) är riktad till mellannivå- till avanceradnivåmedarbetare inom medicinsk AI-utveckling och data science som vill finjustera modeller för klinisk diagnos, sjukdomsprediktion och prognoser för patientutgångar med strukturerade och ostrukturerade medicinska data.
Efter denna träning kommer deltagarna att kunna:
- Finjustera AI-modeller på hälso- och sjukvårdsdatauppsättningar, inklusive EMRs, bildning och tidsserie data.
- Tillämpa överföringsinlärning, domänanpassning och modellkomprimering i medicinska sammanhang.
- Hantera sekretess, bias och regelverksnära efterlevnad vid modellutveckling.
- Distribuera och övervaka finjusterade modeller i verkliga hälso- och sjukvårds miljöer.
Fine-Tuning DeepSeek LLM för anpassade AI-modeller
21 TimmarDenna instruktörsledda, liveutbildning (online eller på plats) riktar sig till avancerade AI-forskare, maskininlärningsingenjörer och utvecklare som vill anpassa DeepSeek LLM-modeller för att skapa specialiserade AI-applikationer anpassade för specifika branscher, områden eller företagsbehov.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förstå arkitekturen och kapaciteten hos DeepSeek-modeller, inklusive DeepSeek-R1 och DeepSeek-V3.
- Förbereda datamängder och förbehandla data för anpassning.
- Anpassa DeepSeek LLM för domänspecifika applikationer.
- Optimerar och distribuerar anpassade modeller effektivt.
Fine-Tuning av Defense AI för Autonoma System och Övervakning
14 TimmarDenna instruktörsledda, liveutbildning på Sverige (online eller på plats) riktar sig till avancerade försvar-AI-ingenjörer och militärteknikutvecklare som vill finjusterar djupinlärningsmodeller för användning i autonoma fordon, drönare och övervakningssystem, samtidigt som stränga säkerhets- och pålitlighetsstandarder uppfylls.
Vid slutet av denna utbildning kommer deltagarna att kunna:
- Finjusterar datorseende och sensorfusionsmodeller för övervaknings- och målsökningssyften.
- Anpassa autonoma AI-system till föränderliga miljöer och uppdragsprofiler.
- Implementera robusta validerings- och säkerhetsmekanismer i modellpipelines.
- Säkerställa överensstämmelse med försvarsrelaterade krav, säkerhets- och säkerhetsstandarder.
Finetuning av juridiska AI-modeller: Kontraktsgranskning och juridisk forskning
14 TimmarDenna instruktörsledda, live-utbildning (online eller på plats) riktar sig till juridiska teknologer och AI-utvecklare på mellan nivå som vill finjustera språkmodeller för uppgifter som kontraktanalys, klausulextraktion och automatiserad juridisk forskning i juridiska tjänstemiljöer.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förbereda och rensa juridiska dokument för finjustering av NLP-modeller.
- Använda finjusteringstekniker för att förbättra modellernas noggrannhet för juridiska uppgifter.
- Distribuera modeller för att hjälpa till med kontraktgranskning, klassificering och forskning.
- Säkerställa överensstämmelse, granskbarhet och spårbarhet för AI-utdata i juridiska sammanhang.
Finjustering av stora språkmodeller med QLoRA
14 TimmarDenna handledningsskickad, live-träningskurs i Sverige (online eller på plats) riktar sig till mellan- och avancerade nivåns maskininlärningsingenjörer, AI-utvecklare och datawissenschaftler som vill lära sig hur man använder QLoRA för att effektivt finjustera stora modeller för specifika uppgifter och anpassningar.
Till slut av denna träningskurs kommer deltagarna kunna:
- Förstå teorin bakom QLoRA och kvantiseringstekniker för LLMs.
- Implementera QLoRA i finjustering av stora språkmodeller för domänsspecifika tillämpningar.
- Optimera finjusteringsprestanda på begränsade beräkningsresurser med hjälp av kvantisering.
- Distribuera och utvärdera finjusterade modeller effektivt i praktiska tillämpningar.