Ders, OpenAI ve Azure OpenAI'den alınan temel kaynaklar kullanılarak terminoloji ve öğreticiler için referans olarak oluşturulmuştur. İşte kendi kendine öğrenme yolculuğunuz için kapsamlı olmayan bir liste.
| Başlık/Link | Açıklama |
|---|---|
| OpenAI Modelleriyle İnce Ayar Yapma | İnce ayar, az örnekli öğrenmeyi, isteme sığabilecek çok daha fazla örnek üzerinde eğiterek geliştirir, maliyetlerinizi azaltır, yanıt kalitesini artırır ve düşük gecikmeli istekleri mümkün kılar. OpenAI'den ince ayar hakkında genel bir bakış edinin. |
| Azure OpenAI ile İnce Ayar Nedir? | İnce ayarın ne olduğunu (kavram), neden buna bakmanız gerektiğini (motive edici sorun), hangi verilerin kullanılacağını (eğitim) ve kaliteyi ölçmeyi anlayın. |
| İnce Ayar ile Model Özelleştirme | Azure OpenAI Hizmeti, modellerimizi ince ayar yaparak kişisel veri kümelerinize göre uyarlamanıza olanak tanır. Azure AI Studio, Python SDK veya REST API kullanarak modelleri nasıl ince ayar yapacağınızı (süreç) öğrenin. |
| LLM İnce Ayar Önerileri | LLM'ler belirli alanlarda, görevlerde veya veri kümelerinde iyi performans göstermeyebilir veya yanlış veya yanıltıcı çıktılar üretebilir. Bu durumda ince ayarı olası bir çözüm olarak ne zaman düşünmelisiniz? |
| Sürekli İnce Ayar | Sürekli ince ayar, zaten ince ayar yapılmış bir modeli temel model olarak seçip, yeni eğitim örnekleri setleri üzerinde daha fazla ince ayar yaparak yinelemeli bir süreçtir. |
| İnce Ayar ve Fonksiyon Çağrısı | Modelinizi fonksiyon çağrısı örnekleriyle ince ayar yaparak, benzer formatta yanıtlar ve maliyet tasarrufları ile daha doğru ve tutarlı çıktılar elde ederek model çıktısını geliştirebilirsiniz. |
| İnce Ayar Modelleri: Azure OpenAI Rehberi | Azure OpenAI'de hangi modellerin ince ayar yapılabileceğini ve bunların hangi bölgelerde mevcut olduğunu anlamak için bu tabloya bakın. İhtiyaç duyarsanız token sınırlarını ve eğitim verilerinin son kullanma tarihlerini kontrol edin. |
| İnce Ayar Yapmak mı, Yapmamak mı? İşte Soru Bu | AI Show'un Ekim 2023 tarihli bu 30 dakikalık bölümü, bu kararı vermenize yardımcı olacak faydaları, sakıncaları ve pratik bilgileri tartışıyor. |
| LLM İnce Ayarı ile Başlangıç | Bu AI Playbook kaynağı, bilmeniz gereken veri gereksinimlerini, formatlamayı, hiperparametre ince ayarını ve zorlukları/kısıtlamaları size gösterir. |
| Eğitici: Azure OpenAI GPT3.5 Turbo İnce Ayarı | Örnek bir ince ayar veri kümesi oluşturmayı, ince ayara hazırlık yapmayı, ince ayar işini oluşturmayı ve ince ayar yapılmış modeli Azure'da dağıtmayı öğrenin. |
| Eğitici: Azure AI Studio'da Llama 2 Modeline İnce Ayar Yapma | Azure AI Studio, büyük dil modellerini düşük kod geliştiriciler için uygun bir UI tabanlı iş akışı kullanarak kişisel veri kümelerinize göre uyarlamanıza olanak tanır. Bu örneği görün. |
| Eğitici:Azure'da Tek GPU için Hugging Face Modellerine İnce Ayar Yapma | Bu makale, Hugging Face transformers kütüphanesi ile Azure DataBricks + Hugging Face Trainer kütüphaneleri kullanarak Hugging Face modeline ince ayar yapmayı açıklar. |
| Eğitim: Azure Machine Learning ile Temel Bir Modele İnce Ayar Yapma | Azure Machine Learning'deki model kataloğu, belirli göreviniz için ince ayar yapabileceğiniz birçok açık kaynak model sunar. AzureML Üretken AI Öğrenme Yolu üzerinden bu modülü deneyin. |
| Eğitici: Azure OpenAI İnce Ayarı | Microsoft Azure'da W&B kullanarak GPT-3.5 veya GPT-4 modellerine ince ayar yapmak, model performansının ayrıntılı takibini ve analizini sağlar. Bu kılavuz, OpenAI İnce Ayar rehberindeki kavramları Azure OpenAI için belirli adımlar ve özelliklerle genişletir. |
Bu bölüm, keşfedilmeye değer ek kaynakları içerir, ancak bu derste bunları ele almak için zamanımız olmadı. Gelecekteki bir derste veya daha sonraki bir tarihte ikincil bir ödev seçeneği olarak ele alınabilirler. Şimdilik, bu konudaki uzmanlığınızı ve bilginizi geliştirmek için kullanın.
| Başlık/Link | Açıklama |
|---|---|
| OpenAI Cookbook: Sohbet Modeli İnce Ayarı İçin Veri Hazırlığı ve Analizi | Bu defter, bir sohbet modelini ince ayar yapmak için kullanılan sohbet veri kümesini ön işlemek ve analiz etmek için bir araç olarak hizmet eder. Format hatalarını kontrol eder, temel istatistikler sağlar ve ince ayar maliyetleri için token sayısını tahmin eder. Bakınız: gpt-3.5-turbo için ince ayar yöntemi. |
| OpenAI Cookbook: Qdrant ile Geri Alım Artırılmış Üretim (RAG) için İnce Ayar | Bu defterin amacı, OpenAI modellerine Geri Alım Artırılmış Üretim (RAG) için ince ayar yapma konusunda kapsamlı bir örnek sunmaktır. Model performansını artırmak ve yanlış bilgileri azaltmak için Qdrant ve Az Örnekli Öğrenmeyi entegre edeceğiz. |
| OpenAI Cookbook: Weights & Biases ile GPT İnce Ayarı | Weights & Biases (W&B), modelleri eğitmek, ince ayar yapmak ve temel modelleri kullanmak için araçlar sunan AI geliştirici platformudur. Öncelikle OpenAI İnce Ayar rehberlerini okuyun, ardından Cookbook alıştırmasını deneyin. |
| Topluluk Eğitici Phinetuning 2.0 - Küçük Dil Modelleri için ince ayar | Phi-2, Microsoft'un yeni küçük modeli, şaşırtıcı derecede güçlü ve kompakt. Bu eğitici, Phi-2'ye ince ayar yapma konusunda size rehberlik edecek, benzersiz bir veri kümesi oluşturma ve QLoRA kullanarak model ince ayar yapma yöntemlerini gösterecek. |
| Hugging Face Eğitici 2024'te Hugging Face ile LLM'lere Nasıl İnce Ayar Yapılır | Bu blog yazısı, 2024'te Hugging Face TRL, Transformers ve veri kümeleri kullanarak açık LLM'lere nasıl ince ayar yapılacağını anlatıyor. Bir kullanım durumu tanımlarsınız, bir geliştirme ortamı kurarsınız, bir veri kümesi hazırlarsınız, modeli ince ayar yaparsınız, test edip değerlendirirsiniz, ardından üretime dağıtırsınız. |
| Hugging Face: AutoTrain Advanced | Son teknoloji makine öğrenimi modellerinin daha hızlı ve kolay eğitimi ve dağıtımını sağlar. Repo, ince ayar için YouTube video rehberliği ile Colab dostu eğiticiler içerir. Son yerel-ilk güncellemesini yansıtır . AutoTrain belgelerini okuyun. |
Feragatname: Bu belge, AI çeviri hizmeti Co-op Translator kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal hali, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından doğabilecek yanlış anlamalar veya yanlış yorumlamalardan sorumlu değiliz.