成都Fine-Tuning培训

本次由讲师指导的成都（线上或线下）培训，面向高级国防AI工程师和军事技术开发者，旨在帮助他们微调深度学习模型，用于自动驾驶车辆、无人机和监控系统，同时满足严格的安全性和可靠性标准。

培训结束后，参与者将能够：

• 微调计算机视觉和传感器融合模型，用于监控和目标任务。
• 使自主AI系统适应不断变化的环境和任务需求。
• 在模型管道中实施强大的验证和故障安全机制。
• 确保符合国防特定的合规性、安全性和安全性标准。

本课程为讲师指导的线下或线上培训，面向中级法律科技工程师和AI开发者，旨在帮助他们微调语言模型，以应用于合同分析、条款提取和自动化法律研究等法律服务环境中的任务。

在本课程结束时，参与者将能够：

• 准备并清理法律文档，用于微调NLP模型。
• 应用微调策略，提高模型在法律任务中的准确性。
• 部署模型，辅助合同审查、分类和研究。
• 确保AI输出在法律环境中的合规性、可审计性和可追溯性。

这是由讲师指导的线下或线上培训，针对中高级医疗AI开发者和数据科学家，旨在使用结构化和非结构化医疗数据，微调模型以进行临床诊断、疾病预测和患者结果预测。

在培训结束时，参与者将能够：

• 在包括电子病历（EMRs）、影像和时间序列数据的医疗数据集上微调AI模型。
• 在医疗情境中应用迁移学习、领域适应和模型压缩技术。
• 在模型开发中解决隐私、偏见和法规合规问题。
• 在实际医疗环境中部署和监控微调后的模型。

这是一个由讲师指导的成都（线上或线下）培训课程，专为金融领域的高级数据科学家和AI工程师设计，旨在使用特定领域的金融数据来微调模型，应用于信用评分、欺诈检测和风险建模等场景。

在本培训结束时，学员将能够：

• 在金融数据集上微调AI模型，以改进欺诈和风险预测。
• 应用迁移学习、LoRA和正则化等技术来提升模型效率。
• 将金融合规性考量整合到AI建模工作流程中。
• 将微调后的模型部署到金融服务平台中进行生产使用。

本课程为讲师指导的成都（线上或线下）培训，针对高级AI维护工程师和MLOps专业人士，旨在帮助他们为已部署且微调的模型实施稳健的持续学习流程和有效的更新策略。

培训结束后，参与者将能够：

• 设计并实施已部署模型的持续学习工作流程。
• 通过适当的训练和记忆管理，减轻灾难性遗忘。
• 根据模型漂移或数据变化，自动化监控和更新触发机制。
• 将模型更新策略整合到现有的CI/CD和MLOps流程中。

这是一个由讲师指导的成都（线上或线下）培训，针对中级嵌入式AI开发人员和边缘计算专家，旨在微调和优化轻量级AI模型，以部署在资源受限的设备上。

在培训结束时，参与者将能够：

• 选择并适应适合边缘部署的预训练模型。
• 应用量化、剪枝和其他压缩技术，以减少模型大小和延迟。
• 使用迁移学习微调模型，以实现特定任务的性能。
• 在实际的边缘硬件平台上部署优化后的模型。

这是由讲师指导的成都（线上或线下）培训，针对希望微调如CLIP和Flamingo等视觉语言模型（VLMs）以提升行业特定视觉文本任务表现的高级计算机视觉工程师和AI开发者。

在培训结束时，参与者将能够：

• 理解视觉语言模型的架构和预训练方法。
• 微调VLMs以进行分类、检索、字幕生成或多模态问答。
• 准备数据集并应用PEFT策略以减少资源使用。
• 在生产环境中评估和部署定制的VLMs。

这是由讲师指导的成都（线上或线下）培训，针对中级ML工程师和AI合规专业人士，旨在识别、评估和减少微调语言模型中的安全风险和偏见。

培训结束后，参与者将能够：

• 理解安全AI系统的伦理和监管背景。
• 识别并评估微调模型中的常见偏见形式。
• 在训练期间和之后应用偏见缓解技术。
• 设计和审核模型，确保其安全性、透明性和公平性。

这门由讲师指导的成都（线上或线下）培训课程，旨在针对中级NLP工程师和知识管理团队，帮助他们微调RAG管道，以提升在问答、企业搜索和摘要生成等应用场景中的性能。

在培训结束时，参与者将能够：

• 理解RAG系统的架构和工作流程。
• 针对特定领域数据微调检索器和生成器组件。
• 评估RAG性能，并通过PEFT技术进行改进。
• 部署优化的RAG系统，用于内部或生产环境。

这是一个由讲师指导的成都（线上或线下）培训课程，针对中级机器学习从业者和AI开发者，他们希望微调并部署如LLaMA、Mistral和Qwen等开放权重模型，以用于特定的业务或内部应用。

在培训结束时，参与者将能够：

• 理解开源LLM的生态系统及其差异。
• 为LLaMA、Mistral和Qwen等模型准备数据集和微调配置。
• 使用Hugging Face Transformers和PEFT执行微调管道。
• 在安全环境中评估、保存和部署微调后的模型。

这是由讲师指导的成都（线上或线下）培训，旨在帮助中级数据科学家和AI工程师，使用LoRA、Adapter Tuning和Prefix Tuning等方法，以更经济高效的方式微调大型语言模型。

在培训结束时，参与者将能够：

• 理解参数高效微调方法背后的理论。
• 使用Hugging Face PEFT实现LoRA、Adapter Tuning和Prefix Tuning。
• 比较PEFT方法与完整微调的性能和成本权衡。
• 部署和扩展微调后的LLM，并减少计算和存储需求。

本课程为讲师指导的成都（线上或线下）培训，适合中高级机器学习工程师、AI开发者和数据科学家，旨在学习如何使用QLoRA高效微调大型模型，以适应特定任务和定制需求。

在培训结束时，学员将能够：

• 理解QLoRA背后的理论以及大型语言模型的量化技术。
• 在特定领域应用中，使用QLoRA微调大型语言模型。
• 利用量化技术，在有限计算资源下优化微调性能。
• 高效部署并评估微调模型在实际应用中的表现。

这门由讲师指导的成都（线上或线下）培训课程，针对高阶机器学习工程师和AI研究人员，旨在教授如何应用RLHF来微调大型AI模型，以实现卓越的性能、安全性和一致性。

在培训结束时，学员将能够：

• 理解RLHF的理论基础，以及它在现代AI开发中的重要性。
• 基于人类反馈实施奖励模型，以指导强化学习过程。
• 使用RLHF技术微调大型语言模型，使输出与人类偏好一致。
• 应用最佳实践，扩展RLHF工作流程，以适用于生产级AI系统。

这种由讲师指导的 成都 现场现场培训（在线或现场）面向希望获得为关键财务任务定制 AI 模型的实用技能的中级专业人士。

在本次培训结束时，参与者将能够：

• 了解财务应用程式微调的基础知识。
• 利用预先训练的模型执行财务领域特定的任务。
• 应用欺诈检测、风险评估和财务建议生成技术。
• 确保遵守 GDPR 和 SOX 等财务法规。
• 在金融应用程式中实施数据安全和合乎道德的 AI 实践。

这种由讲师指导的 成都 现场培训（在线或现场）面向希望提高诊断和解决机器学习模型微调挑战技能的高级专业人员。

在本次培训结束时，参与者将能够：

• 诊断过度拟合、欠拟合和数据不平衡等问题。
• 实施策略以提高模型收敛性。
• 优化微调管道以获得更好的性能。
• 使用实用工具和技术调试训练过程。

这种由讲师指导的现场培训<现场>（在线或现场）面向希望掌握优化大型模型的技术，以便在实际场景中进行经济高效的微调的高级专业人员。

在本次培训结束时，参与者将能够：

• 了解微调大型模型的挑战。
• 将分散式训练技术应用于大型模型。
• 利用模型量化和修剪提高效率。
• 优化微调任务的硬体利用率。
• 在生产环境中有效地部署微调的模型。

这种由讲师指导的 成都 现场培训（在线或现场）面向希望利用快速工程和少量学习的力量来优化实际应用的 LLM 性能的中级专业人士。

在本次培训结束时，参与者将能够：

• 了解快速工程和小样本学习的原则。
• 为各种 NLP 任务设计有效的提示。
• 利用小样本技术以最少的数据调整 LLM。
• 针对实际应用优化 LLM 性能。

这种由讲师指导的 成都 现场培训（在线或现场）面向希望掌握创新 AI 解决方案的多模态模型微调的高级专业人员。

在本次培训结束时，参与者将能够：

• 了解 CLIP 和 Flamingo 等多模态模型的架构。
• 有效地准备和预处理多模态数据集。
• 针对特定任务微调多模态模型。
• 针对实际应用程式和性能优化模型。

本次由讲师主导的成都（线上或线下）培训，面向高级AI研究员、机器学习工程师和开发者，旨在帮助他们微调DeepSeek LLM模型，创建针对特定行业、领域或业务需求的定制化AI应用。

培训结束后，学员将能够：

• 理解DeepSeek模型的架构和功能，包括DeepSeek-R1和DeepSeek-V3。
• 准备数据集并预处理数据以进行微调。
• 微调DeepSeek LLM以用于特定领域应用。
• 高效优化和部署微调后的模型。

这种由讲师指导的 成都 现场现场培训（在线或现场）面向希望可靠、高效地部署微调模型的高级专业人员。

在本次培训结束时，参与者将能够：

• 了解将微调模型部署到生产环境中所面临的挑战。
• 使用 Docker 和 Kubernetes 等工具容器化和部署模型。
• 对已部署的模型实施监控和日志记录。
• 在实际场景中优化模型以实现延迟和可扩充性。

这种由讲师指导的 成都 现场培训（在线或现场）面向希望掌握尖端迁移学习技术并将其应用于复杂现实问题的高级机器学习专业人员。

在本次培训结束时，参与者将能够：

• 了解迁移学习中的高级概念和方法。
• 为预先训练的模型实施特定于域的适应技术。
• 应用持续学习来管理不断变化的任务和数据集。
• 掌握多任务微调，以提高跨任务的模型性能。

Vertex AI 提供了先进的工具，用于微调大模型和管理提示，使开发者和数据团队能够优化模型准确性，简化迭代工作流程，并通过内置库和服务确保评估的严谨性。

本课程为讲师指导的培训（线上或线下），面向中高级从业者，旨在通过使用 Vertex AI 中的监督微调、提示版本控制和评估服务，提升生成式 AI 应用的性能和可靠性。

培训结束后，参与者将能够：

• 在 Vertex AI 中对 Gemini 模型应用监督微调技术。
• 实施提示管理工作流程，包括版本控制和测试。
• 利用评估库对 AI 性能进行基准测试和优化。
• 在生产环境中部署和监控改进后的模型。

课程形式

• 互动讲座和讨论。
• 使用 Vertex AI 微调和提示工具的实践实验室。
• 企业模型优化的案例研究。

课程定制选项

• 如需定制本课程，请联系我们安排。

这种由讲师指导的现场培训<本地>（在线或现场）面向希望了解和应用迁移学习技术来提高 AI 专案的效率和性能的初级到中级机器学习专业人员。

在本次培训结束时，参与者将能够：

• 了解迁移学习的核心概念和优势。
• 探索流行的预训练模型及其应用程式。
• 为自定义任务执行预训练模型的微调。
• 应用迁移学习来解决 NLP 和电脑视觉中的实际问题。

这种由讲师指导的 成都 现场培训（在线或现场）面向希望在不需要大量计算资源的情况下为大型模型实施微调策略的中级开发人员和 AI 从业者。

在本次培训结束时，参与者将能够：

• 了解低秩适应 （LoRA） 的原理。
• 实施LoRA以高效微调大型模型。
• 针对资源受限的环境优化微调。
• 评估和部署LoRA调优模型以用于实际应用。

这种由讲师指导的 成都 现场培训（在线或现场）面向希望为特定任务和数据集自定义预训练模型的中高级专业人员。

在本次培训结束时，参与者将能够：

• 了解微调的原理及其应用。
• 准备数据集以微调预训练模型。
• 为 NLP 任务微调大型语言模型 （LLM）。
• 优化模型性能并解决常见挑战。

这种由讲师指导的 成都 现场培训（在线或现场）面向希望通过有效微调预先训练的语言模型来增强其 NLP 专案的中级专业人员。

在本次培训结束时，参与者将能够：

• 了解 NLP 任务微调的基础知识。
• 针对特定的 NLP 应用程式微调预训练模型，例如 GPT、BERT 和 T5。
• 优化超参数以提高模型性能。
• 在实际场景中评估和部署微调的模型。