LLMアプリケーションの精度の向上
「LLMアプリケーションの精度の向上」コースへようこそ！このコースは、LLMアプリケーションの精度と信頼性を高めるための体系的なアプローチを提供します。
コースの概要
多くの開発者は、LLMアプリケーションで一貫性のない結果に苦労しています。 ？このコースは、評価、迅速なエンジニアリング、自己反省、および微調整技術を通じて精度を向上させるための実践的なエクスペリエンスを提供することにより、これらの課題に対処するように設計されています。
あなたがすること：
- ？ SQLエージェントの開発：テキスト間エージェントを構築し、評価プロセスを開始するために幻覚を起こす状況をシミュレートします。
- 評価フレームワーク：適切な評価、ベストプラクティス、評価スコアの開発など、パフォーマンスを体系的に測定するための堅牢なフレームワークを作成します。
- 指示の微調整：命令微調整がLLMがより正確に指示に従うのに役立つか、そしてメモリが幻覚を減らすために事実を埋め込む方法を学びます。
- パフォーマンス効率の良い微調整（PEFT） ：モデルのパフォーマンスを改善しながらトレーニング時間を短縮するために、低ランク適応（LORA）やメモリエキスパート（MOME）の混合物などの高度な技術を発見します。
- 反復的な微調整：トレーニングデータを生成し、微調整し、モデルの精度を向上させるための実用的なヒントを適用する反復プロセスを経ます。
？キーポイント
- 体系的な改善：評価、プロンプト、自己反省、微調整から、モデルの信頼性と精度を向上させるための開発ステップを学びます。
- ？メモリチューニング：幻覚を減らすために事実を埋め込むことにより、モデルのパフォーマンスを向上させます。
- ？ Llamaモデル：Llama 3-8Bモデルを使用して、テキストをカスタムスキーマでSQLに変換するLLMアプリケーションを構築します。
？？インストラクターについて
- ？ シャロン・Zhou ：Laminiの共同設立者兼CEOであるSharonは、LLM開発と微調整の専門知識をもたらします。
- ？ amit Sangani ：Metaのパートナーエンジニアリングのシニアディレクター、Amitは、エンジニアリング信頼できるLLMアプリケーションに関する貴重な洞察を共有しています。
？コースまたは詳細については、deeplearning.aiにアクセスしてください。
