Module 1 : Introduction à l'ajustement fin
Comprendre quand et pourquoi ajuster finement les LLM
Ce module introduit les concepts fondamentaux de l'ajustement fin des grands modèles de langage, vous aidant à prendre des décisions éclairées sur le moment où l'ajustement fin est la bonne approche pour votre cas d'utilisation.
Ce que vous apprendrez
Dans ce module, vous allez :
- Comprendre ce qu'est l'ajustement fin et comment il se rapporte à l'apprentissage par transfert
- Apprendre quand ajuster finement par rapport à l'utilisation de RAG ou de l'ingénierie de prompt
- Explorer le paysage de l'ajustement fin y compris les méthodes, outils et exigences de calcul
- Prendre des décisions éclairées sur la bonne approche pour vos besoins spécifiques
Structure du module
| Chapitre | Sujet | Durée |
|---|---|---|
| Chapitre 1 | Qu'est-ce que l'ajustement fin ? | 25 min |
| Chapitre 2 | Quand ajuster finement vs utiliser RAG | 30 min |
| Chapitre 3 | Paysage de l'ajustement fin | 25 min |
| Quiz | Quiz du Module 1 | 30 min |
Aperçu des concepts clés
Ajustement fin
Poursuite de l'entraînement d'un modèle pré-entraîné sur un ensemble de données spécifique pour l'adapter à une tâche ou un domaine particulier.
Apprentissage par transfert
Utilisation des connaissances acquises lors du pré-entraînement sur de grands ensembles de données pour améliorer les performances sur des tâches en aval.
Modèle pré-entraîné
Un modèle qui a déjà été entraîné sur un large corpus (comme Internet) et qui a acquis une compréhension générale du langage.
Adaptateur
Un petit module entraînable ajouté à un modèle pré-entraîné figé qui permet un ajustement fin efficace.
Pourquoi c'est important
L'ajustement fin est l'une des techniques les plus puissantes pour personnaliser les LLM, mais ce n'est pas toujours le bon choix. Comprendre quand ajuster finement par rapport à l'utilisation d'autres approches comme RAG ou l'ingénierie de prompt est crucial pour :
- Efficacité des coûts : Éviter des dépenses de calcul inutiles
- Délai de mise sur le marché : Choisir le chemin le plus rapide vers une solution fonctionnelle
- Qualité : Obtenir les meilleurs résultats possibles pour votre cas d'utilisation
- Maintenabilité : Construire des systèmes faciles à mettre à jour et à améliorer
Prérequis
Avant de commencer ce module, vous devriez avoir :
- Une compréhension de base de ce que sont les grands modèles de langage
- Une familiarité avec la programmation en Python
- Une compréhension générale des concepts d'apprentissage automatique
- Aucune expérience préalable en ajustement fin requise !
Commençons !
Commencez par Chapitre 1 : Qu'est-ce que l'ajustement fin ? pour débuter votre parcours de personnalisation des LLM.
Temps estimé pour compléter ce module : 2 heures