Ponte en Contacto
 Duración 14 horas

Temario del curso

Introducción a la personalización avanzada de modelos

  • Visión general del ajuste fino y la gestión de prompts en Vertex AI
  • Casos de uso para la optimización de modelos
  • Laboratorio práctico: configuración del espacio de trabajo de Vertex AI

Ajuste fino supervisado de modelos Gemini

  • Preparación de datos de entrenamiento para el ajuste fino
  • Ejecución de tuberías de ajuste fino supervisado
  • Laboratorio práctico: ajuste fino de un modelo Gemini

Ingeniería de prompts y gestión de versiones

  • Diseño de prompts efectivos para IA generativa
  • Control de versiones y reproducibilidad
  • Laboratorio práctico: creación y prueba de versiones de prompts

Evaluación y benchmarking

  • Visión general de las bibliotecas de evaluación en Vertex AI
  • Automatización de flujos de trabajo de pruebas y validación
  • Laboratorio práctico: evaluación de prompts y salidas

Despliegue y monitoreo de modelos

  • Integración de modelos optimizados en aplicaciones
  • Monitoreo del rendimiento y detección de deriva
  • Laboratorio práctico: despliegue de un modelo ajustado

Prácticas recomendadas para la optimización de la IA empresarial

  • Escalaridad y gestión de costos
  • Consideraciones éticas y mitigación de sesgos
  • Caso de estudio: mejora de aplicaciones de IA en producción

Future Directions in Fine-Tuning and Prompt Management

  • Tendencias emergentes en la optimización de LLM
  • Adaptación automática de prompts y aprendizaje por refuerzo
  • Implicaciones estratégicas para la adopción empresarial

Resumen y próximos pasos

Requerimientos

  • Experiencia con flujos de trabajo de aprendizaje automático.
  • Conocimientos de programación en Python.
  • Conocimiento sobre plataformas de IA en la nube.

Público objetivo

  • Ingenieros de IA.
  • Practicantes de MLOps.
  • Científicos de datos.

Número de participantes


Precio por participante

Reseñas (1)

Próximos cursos

Categorías Relacionadas