نظرة عامة على الدورة
احصل على نظرة عامة حول الدورة، والجمهور المستهدف، ونتائج التعلم.
سنغطي ما يلي...
يسعدنا انضمامك إلينا في رحلتك لإتقان ضبط نماذج اللغات الكبيرة (LLM) باستخدام تقنيات متقدمة مثل LoRA وQLoRA. ستمنحك هذه الدورة الفهم النظري والمهارات العملية اللازمة لتخصيص نماذج اللغات الكبيرة مثل Llama 3، وتحسينها لمهام محددة، نشر بكفاءة.
لماذا تأخذ هذه الدورة؟
تُعد نماذج اللغة الكبيرة (LLMs) في طليعة ابتكار التعلم الآلي، فهي قادرة على أداء مهام متنوعة مثل:
إنشاء النصوص (على سبيل المثال، كتابة المقالات أو كتابة التعليمات البرمجية)
تصنيف النص (على سبيل المثال، تحليل المشاعر أو اكتشاف البريد العشوائي)
ترجمة اللغة (على سبيل المثال، ترجمة المحتوى عبر اللغات)
على الرغم من تعدد استخداماتها، غالبًا ما تفتقر النماذج المُدرَّبة مسبقًا إلى التخصص في تطبيقات محددة. وهنا يأتي دور الضبط الدقيق، مما يسمح لك بتكييف هذه النماذج القوية مع احتياجاتك الفريدة.
في هذه الدورة، سوف تتعلم كيفية:
استخدم التكيف منخفض الرتبة (LoRA) وLoRA الكمي (QLoRA) لضبط النماذج الضخمة بكفاءة مع الحد الأدنى من متطلبات الموارد.
قم بتطبيق تقنيات التكميم مثل int8 وتكميم البتات والبايتات لتقليل حجم النموذج وتعزيز كفاءة النشر.
قم بتخصيص Llama 3 وتحسينه لتحقيق أداء متطور لمهامك.
لمن هذه الدورة؟
تم تصميم هذه الدورة لمجموعة واسعة من المتعلمين، بما في ذلك:
علماء البيانات يسعون إلى تكييف درجة الماجستير في القانون للبيانات المتخصصة.
مطورو البرامج يهدفون إلى دمج النماذج الدقيقة في التطبيقات.
ممارسي البرمجة اللغوية العصبية يتطلعون إلى صقل مهاراتهم في الضبط الدقيق الفعال للمعلمات (PEFT).
الطلاب المهتمين بالتطبيقات العملية لتقنيات الذكاء الاصطناعي المتقدمة.
ماذا سوف تتعلم؟
فيما يلي نظرة عامة موجزة على هيكل الدورة:
أساسيات الضبط الدقيق:
فهم ما هو الضبط الدقيق واستكشاف تقنياته مفتاح .
تعرف على عملية التكميم وكيف تساعد في تقليل حجم النموذج مع الحفاظ على الدقة.
استكشاف LoRA و QLoRA:
تعمق في ضبط LoRA والتكيف الكمي للرتبة المنخفضة (QLoRA) لتخصيص النموذج بكفاءة من حيث الموارد.
احصل على خبرة عملية في ضبط نموذج Llama 3 باستخدام مجموعات البيانات المخصصة.
التطبيقات العملية والخاتمة:
قم بتطبيق معرفتك في مشروع التخرج، وحل مشكلة واقعية باستخدام LLM.
استكشاف الاتجاهات الناشئة في مجال الذكاء الاصطناعي وتقنيات الضبط الدقيق.
المتطلبات الأساسية
فيما يلي بعض المتطلبات الأساسية التي يمكن أن تساعدك في الحصول على أقصى استفادة من هذه الدورة:
لغة البرمجة: إتقان Python والمكتبات مثل PyTorch و Hugging Face's Transformers وما إلى ذلك.
مفاهيم معالجة اللغة الطبيعية: التعرف على المفاهيم الأساسية للذكاء الاصطناعي، مثل التعلم الآلي، والذكاء الاصطناعي التوليدي، وأطر التعلم العميق مثل PyTorch أو TensorFlow.
نماذج اللغة الكبيرة: فهم نماذج اللغة الكبيرة وهندسة المحولات.
مبادئ معالجة اللغة الطبيعية الأساسية: التعرف على مفاهيم مثل التجزئة، والتأصل، والتحليل، والتضمينات.
نقاط القوة في الدورة
فيما يلي بعض نقاط القوة مفتاح لهذه الدورة. وقد لخّصنا نقاط القوة والمزايا 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. |
على طول الطريق، سنترك ملاحظات صغيرة تُسمى " ملاحظات تثقيفية "، والتي ستحتوي على حقائق شيقة أو إجابات لأسئلة قد تخطر ببالك أثناء قراءة المادة. صُممت هذه الملاحظات لتعزيز تجربة التعلم لديك وتزويدك برؤى أعمق في عالم تحسين برامج الماجستير في القانون.