LLM 응용 프로그램의 정확도 향상
"LLM 응용 프로그램의 정확도 개선"에 오신 것을 환영합니다! 이 과정은 LLM 응용 프로그램의 정확성과 신뢰성을 향상시키기위한 체계적인 접근 방식을 제공합니다.
코스 요약
많은 개발자들은 LLM 애플리케이션에서 일관되지 않은 결과로 어려움을 겪고 있습니다. ? 이 과정은 평가, 신속한 엔지니어링, 자기 반성 및 미세 조정 기술을 통해 정확도를 향상시키는 실습 경험을 제공함으로써 이러한 과제를 해결하도록 설계되었습니다.
당신이 할 일 :
- ? SQL 에이전트 개발 : 텍스트-SQL 에이전트를 구축하고 환각이있는 상황을 시뮬레이션하여 평가 프로세스를 시작합니다.
- 평가 프레임 워크 : 좋은 평가, 모범 사례 및 평가 점수 개발을 포함하여 성능을 체계적으로 측정하기위한 강력한 프레임 워크를 작성합니다.
- 교육용 미세 조정 : 교육 미세 조정이 LLM이 지시를보다 정확하게 따르는 방법과 메모리 미세 조정이 사실을 포함하여 환각을 줄이는 방법에 대해 알아보십시오.
- 성능 효율적인 미세 조정 (PEFT) : 저 순위 적응 (LORA) 및 메모리 전문가 (MOME)와 같은 고급 기술을 발견하여 모델 성능을 향상시키면서 교육 시간을 줄입니다.
- 반복적 인 미세 조정 : 교육 데이터를 생성하고 미세 조정하고 모델 정확도를 높이기 위해 실용적인 팁을 적용하는 반복적 인 프로세스를 살펴보십시오.
? 핵심 요점
- 체계적인 개선 : 모델의 신뢰성과 정확성을 향상시키기 위해 평가, 프롬프트, 자기 반성 및 미세 조정에서 개발 단계를 배우십시오.
- ? 메모리 튜닝 : 환각을 줄이기 위해 사실을 포함시켜 모델의 성능을 향상시킵니다.
- ? LLAMA 모델 : LLAMA 3-8B 모델을 사용하여 사용자 정의 스키마로 텍스트를 SQL로 변환하는 LLM 응용 프로그램을 작성하십시오.
? ? 강사에 대해
- ? ou Sharon Zhou : Lamini의 공동 창립자이자 CEO 인 Sharon은 LLM 개발 및 미세 조정에 대한 전문 지식을 제공합니다.
- ?
? 과정에 등록하거나 자세한 내용은 deeplearning.ai를 방문하십시오.
