IA EAD

← Todos os cursos

Fine-Tuning Prático de Modelos Open-Source com Hugging Face

Domine o ciclo completo de fine-tuning de Large Language Models open-source utilizando o ecossistema Hugging Face. Aprenda a aplicar técnicas avançadas de eficiência de parâmetros como QLoRA, otimizar hiperparâmetros de treinamento distribuído, e implantar modelos em produção com segurança e escalabilidade.

Entrar Criar conta

Módulo 1: Fundamentos de Arquitetura e Preparação de Dados

Análise Estrutural e Carregamento Otimizado de Modelos com Transformers text Engenharia de Dados e Tokenização Eficiente para Fine-Tuning text Data Collators e Mascaramento de Perda para Causal LM text

Módulo 2: Técnicas Avançadas de Fine-Tuning Eficiente (PEFT / QLoRA)

Matemática e Arquitetura do LoRA (Low-Rank Adaptation) text QLoRA: Quantização de 4-Bits e Double Quantization na Prática text

Módulo 3: Execução e Otimização do Treinamento com SFTTrainer

Configuração Avançada de Hiperparâmetros com TrainingArguments text Orquestrando o Treinamento com SFTTrainer da Biblioteca TRL text

Módulo 4: Fusão, Avaliação e Implantação em Produção

Fusão de Adaptadores (Merges) e Salvamento de Modelos Standalone text Avaliação Qualitativa e Quantitativa de LLMs Ajustados text Implantação de Alta Performance com vLLM e Hugging Face TGI text

Artigos relacionados no blog

Fundamentos de IA

LLM: O Que É, Como Funciona e Por Que Entender o Básico

Entenda o que é um LLM (Grande Modelo de Linguagem), como ele processa textos e por que dominar esse concei...

Engenharia de Prompt para Iniciantes: Guia Prático com Exemplos

Aprenda a estruturar prompts eficientes para IA. Descubra o framework RICE, exemplos práticos para o trabal...

Fundamentos de IA

IA Generativa vs IA Preditiva: Qual a Diferença e Quando Usar Cada Uma

Entenda as diferenças entre IA Generativa e Preditiva com um framework prático para escolher a tecnologia c...